ИИ поможет спасателям оценить эвакуацию при ЧС

Изобретение нацелено на работу в условиях нехватки информации, когда у специалистов нет однозначного решения. Данные о последнем крупном наводнении в Дагестане разработчики намерены использовать для обучения нейросети. По словам спасателей, специальные службы нуждаются в подобных технологиях. Однако последнее слово должно оставаться за человеком.

ИИ для решений об эвакуации

Специалисты Южного федерального университета вместе с коллегами из Китая разработали систему на основе ИИ, которая предназначена для помощи в принятии решений об эвакуации населенных пунктов в случае различных природных катаклизмов, например, наводнений или тайфунов. Она ориентирована на работу в условиях дефицита данных, когда у ответственных лиц нет четкого понимания, как действовать в сложившихся условиях. Разработчики уже завершили теоретический этап проекта и приступают к внедрению технологии в практику работы специальных служб.

— Основная идея нашей работы в том, чтобы решать сложные задачи, когда есть нехватка данных. Поэтому мы применяем нечеткую логику различного типа. В случае экстренных происшествий в модель загружаются оценки экспертов в зависимости от сложившейся ситуации. Исходя из них и с учетом статистики прошлых событий, машина выдает рекомендацию: «частичная эвакуация» или «срочная эвакуация» либо еще какое-то решение, — сказала доцент Института компьютерных технологий и информационной безопасности ЮФУ Евгения Герасименко.

В качестве экспертов по эвакуации выступают отобранные специалисты по ключевым направлениям конкретного чрезвычайного происшествия — например, метеорологи или эксперты в области логистики. В сложных ситуациях для выработки решения может учитываться мнение не менее 20 специалистов, тогда как в более простых случаях достаточно пяти-семи экспертов. Для каждого из них формируется набор числовых критериев. При этом система способна обрабатывать и нечеткие оценки, преобразуя их в пригодный для анализа формат. Для поиска ответа достаточно нескольких минут.

Для проверки возможностей системы авторы испытали ее на примере супертайфуна «Мария», который обрушился на Китай в 2018 году. Тогда понадобилась эвакуация более 500 тыс. человек. С целью принятия решения ИИ анализировал семь аспектов, например, «интенсивность дождей» и «готовность населения к эвакуации». Результаты формировались в виде таблицы из пяти возможных вариантов от «эвакуация не нужна» до «срочная эвакуация», предпочтительность которых оценивалась в процентах.

— Далее мы планируем использовать статистические данные специальных служб о различных чрезвычайных происшествиях, таких как недавнее наводнение в Дагестане, для обучения нейросети. Затем мы начнем интегрировать нашу разработку в их практическую деятельность, — сказала Евгения Герасименко.

Специалисты также занимаются интеграцией подходов к нечеткому принятию решений с транспортными системами, при этом рассчитывается, какое количество людей можно перевезти из опасных зон в безопасные. Кроме того, команда работает над технологией принятия решений на основе мнений значительного числа экспертов — 20 и более.

Помощь спасателям

Последнее крупное чрезвычайное происшествие природного характера в РФ началось в Дагестане в конце марта. Сильные ливни обрушились на Махачкалу, Дербент, Хасавюрт и другие населенные пункты, которые ушли под воду. В некоторых местах глубина достигала 1,5 м. К 3 апреля были затоплены более 800 домов. В Дербентском районе прорвало дамбу. Эвакуировали более 4 тыс. человек.

— Если такие разработки уже существуют, то их нужно начинать применять. Однако в любом случае решение должен принимать человек по актуальной обстановке. Природные условия непрерывно изменяются, и нужно это учитывать. И даже если была выбрана не лучшая альтернатива, то ее корректируют, — сказал начальник поисково-спасательного подразделения Камчатского филиала Дальневосточного регионального поисково-спасательного отряда МЧС России Сергей Макаров.

С тем, что спасатели нуждаются во внедрении в свою работу технологий искусственного интеллекта, согласен и председатель ялтинской городской организации Всероссийского общества спасания на водах (ВОСВОД) Сергей Михайлов.

По словам старшего научного сотрудника лаборатории гидрологии Института географии РАН Марии Сидоровой, подобные технологии необходимо развивать, однако у них есть объективные ограничения. Искусственный интеллект наиболее эффективно работает при наличии большого объема данных, тогда как такие явления, как наводнения, относятся к событиям редкой повторяемости. Из-за этого собрать достаточный массив данных для полноценного обучения моделей крайне сложно.

— Вы не можете «кормить» модель наводнениями на других реках, поскольку там другие условия. Поэтому внедрять такие решения можно только после того, как они докажут свою эффективность, — сказала специалист.