Crédit :CC0 Domaine public
Inspiré par les mêmes lois de modélisation et mathématiques utilisées pour prédire la propagation des pandémies, des chercheurs de la Texas A&M University ont créé un modèle pour prévoir avec précision le processus de propagation et de récession des eaux de crue dans les réseaux routiers urbains. Avec cette nouvelle approche, les chercheurs ont créé une approche mathématique simple et puissante d'un problème complexe.
« Nous avons été inspirés par le fait que la propagation des épidémies et des pandémies dans les communautés a été étudiée par des personnes en sciences de la santé et en épidémiologie et dans d'autres domaines, et ils ont identifié quelques principes et règles qui régissent le processus de propagation dans les réseaux sociaux complexes, " a déclaré le Dr Ali Mostafavi, professeur agrégé au Département de génie civil et environnemental de Zachry. "Alors nous nous demandons, Ces processus de propagation sont-ils les mêmes pour la propagation des inondations dans les villes ? On a testé ça, et étonnamment, nous avons trouvé que la réponse est oui."
Les résultats de cette étude ont été récemment publiés dans Rapports scientifiques sur la nature .
Le modèle de contagion, Susceptible-Exposé-Infecté-Récupéré (SEIR), est utilisé pour modéliser mathématiquement la propagation des maladies infectieuses. En ce qui concerne les inondations, Mostafavi et son équipe ont intégré le modèle SEIR au processus de propagation du réseau dans lequel la probabilité d'inondation d'un segment de route dépend du degré d'inondation des segments de route à proximité.
Dans le cadre d'inondations, sensible est une route qui peut être inondée parce qu'elle se trouve dans une plaine inondable ; une route exposée est inondée en raison des eaux de pluie ou du débordement d'un canal voisin ; infectée est une route inondée et inutilisable ; et récupéré est une route où les eaux de crue ont reculé.
L'équipe de recherche a vérifié l'utilisation du modèle avec des données historiques haute résolution sur les inondations routières dans le comté de Harris lors de l'ouragan Harvey en 2017. Les résultats montrent que le modèle peut surveiller et prédire l'évolution des routes inondées au fil du temps.
"La puissance de cette approche est qu'elle offre une approche mathématique simple et puissante et offre un grand potentiel pour soutenir les gestionnaires d'urgence, fonctionnaires, habitants, les premiers intervenants et autres décideurs pour la prévision des inondations dans les réseaux routiers, ", a déclaré Mostafavi.
Le modèle proposé peut atteindre une précision et un rappel décents pour la propagation spatiale des routes inondées.
« Si vous regardez le système de surveillance des inondations du comté de Harris, il peut vous montrer si un canal déborde maintenant, mais ils ne sont pas en mesure de prédire quoi que ce soit au sujet des quatre prochaines heures ou des huit prochaines heures. Aussi, les systèmes de surveillance des inondations existants fournissent des informations limitées sur la propagation des inondations dans les réseaux routiers et les impacts sur la mobilité urbaine. Mais nos modèles, et ce modèle spécifique pour les réseaux routiers, est robuste pour prédire la propagation future des inondations, ", a-t-il déclaré. " En plus de la prévision des crues dans les réseaux urbains, les résultats de cette étude fournissent des informations très importantes sur l'universalité des processus de propagation du réseau à travers divers réseaux sociaux, Naturel, systèmes physiques et techniques; c'est important pour mieux modéliser et gérer les villes, comme des systèmes complexes."
La seule limitation de ce modèle de prévision des crues est qu'il ne peut pas identifier où commencera la crue initiale, mais Mostafavi a déclaré qu'il existe d'autres mécanismes en place, tels que des capteurs sur les jauges d'inondation, qui peuvent résoudre ce problème.
« Dès que des inondations sont signalées dans ces zones, nous pouvons utiliser notre modèle, ce qui est très simple par rapport aux modèles hydrauliques et hydrologiques, pour prédire la propagation des crues dans les heures à venir. La prévision des inondations routières et des perturbations de la mobilité est essentielle pour informer les résidents d'éviter les routes à haut risque et pour permettre aux gestionnaires d'urgence et aux intervenants d'optimiser les secours et les secours dans les zones touchées en fonction des informations prévues sur l'accès routier et la mobilité. Cette prévision pourrait faire la différence entre la vie et la mort pendant la réponse à la crise, " il a dit.
Étudiant au doctorat en génie civil et assistant de recherche diplômé Chao Fan a dirigé l'analyse et la modélisation des données de l'ouragan Harvey, avec Xiangqi (Alex) Jiang, un étudiant diplômé en informatique, qui travaille dans le laboratoire UrbanResilience.AI de Mostafavi.
« En faisant cette recherche, Je réalise la puissance des modèles mathématiques pour résoudre les problèmes d'ingénierie et les défis du monde réel.
Cette recherche élargit mes capacités de recherche et aura un impact à long terme sur ma carrière, " dit Fan. " En plus, Je suis également très enthousiaste à l'idée que mes recherches puissent contribuer à réduire les impacts négatifs des catastrophes naturelles sur les services d'infrastructure. »