Information-Availability-Driven Dynamic Probabilistic Updating of Post- Earthquake Building Repair Time

عندما تضرب زلزال مدمر، ينصب التركيز الفوري على إنقاذ الأرواح وتقييم الأضرار المادية للمباني. ولكن لكي تتعافى مدينة ما حقاً، يجب أن ينتقل التركيز إلى نوع مختلف من الساعات: الوقت المستغرق لإصلاح تلك الهياكل المتضررة وإعادتها إلى الخدمة. إن الجدول الزمني للإصلاح ليس مجرد مسألة سرعة بناء؛ بل هو عد تنازلي معقد يتأثر بمدى شدة الهزة، وعمر المبنى وتصميمه، وتكلفة إصلاحه، والوقت الذي يستغرقه المهندسون ومثمنو التأمين لإتمام عمليات فحصهم. ويتمثل التحدي الذي يواجه مخططي المدن ومديري الطوارئ في أن هذه المعلومات لا تصل دفعة واحدة. فمباشرة بعد وقوع الزلزال، لا يعرفون سوى القليل عن مبانٍ محددة. ومع مرور الأيام والأسابيع، تظهر تفاصيل أكثر، لكن أدوات التنبؤ التقليدية غالباً ما تجد صعوبة في التكيف، حيث تنتظر عادةً حتى تكتمل جميع البيانات قبل تقديم تنبؤ واحد. وهذا يترك فجوة يفتقر فيها صناع القرار إلى دليل موثوق خلال المراحل الحرجة الأولى من التعافي.

لقد طور الباحثون نهجاً جديداً لسد هذه الفجوة، حيث أنشأوا نظاماً يحدث تنبؤاته مع توفر معلومات جديدة، بدلاً من انتظار صورة كاملة. ومن خلال دراسة آلاف المباني المتضررة من الزلازل التي ضربت نيوزيلندا في عامي 2010 و2011، بنى الفريق إطار عمل يعامل عملية الإصلاح كسلسلة من الاحتمالات المتطورة. وبدلاً من التخمين بتاريخ ثابت واحد، يبدأ النظام بخط أساس تاريخي واسع ثم يقوم بصقله خطوة بخوة. أولاً، يأخذ في الاعتبار ما هو معروف عن المبنى نفسه، مثل حجمه وعدد طوابقه. بعد ذلك، يدمج بيانات حول الهزة المحددة التي تعرض لها المبنى وظروف التربة المحلية. وأخيراً، مع وصول تقارير الأضرع التفصيلية وتقديرات تكلفة الإصلاح، يقوم النظام بإجراء أدق تعديلاته. وتسمح هذه الطريقة للتنبؤ بالتطور في الوقت الفعلي، ليصبح أكثر حدة ودقة مع انقشاع ضباب عدم اليقين.

اختبرت دراسة، قادها فريق من إدارة الزلازل في الصين، طريقة التحديث الديناميكي هذه باستخدام سجلات من سلسلة زلازل كانتربري. وقسموا المعلومات المتاحة إلى أربع مراحل متميزة لمحاكاة التدفق الواقعي للبيانات. اعتمدت المرحلة الأولى فقط على سجلات الإصلاح التاريخية لوضع توقع عام. وفي المرحلة الثانية، تمت إضافة تفاصيل محددة لكل مبنى، مثل مساحته وارتفاعه. وفي المرحلة الثالثة، تم إدخال شدة حركة الأرض ونوع الأرض التي استقر عليها المبنى. وشملت المرحلة الأخيرة نتائج التقييمات ما بعد الزلزال، مثل تكلفة الإصلاح المقدرة والوقت الذي استغرقه إكمال تلك التقييمات. وفي كل خطوة، لم يبدأ النظام من جديد؛ بل أخذ التنبؤ السابق وحدثه بالحقائق الجديدة، مما خلق سلسلة مستمرة من التوقعات المتطورة.

أظهرت النتائج أن هذا النهج التدريجي حسن دقة التنبؤات بشكل كبير. فعندما بدأ النظام بالبيانات التاريخية فقط، استطاع تحديد الإطار الزمني الأكثر احتمالاً للإصلاح لحوالي 44 بالمائة من المباني. ومع إضافة تفاصيل خاصة بكل مبنى، ارتفعت هذه الدقة إلى 53 بالمائة. كما دفع إدراج بيانات الهزة الخاصة بالزلزال الدقة إلى ما يقرب من 66 بالمائة. وبحلول الوقت الذي تم فيه دمج بيانات التقييم النهائي، تنبأ النظام بشكل صحيح بالنافذة الزمنية الأكثر احتمالاً للإصلاح لـ 85 بالمائة من المباني. علاوة على ذلك، أصبح النظام أفضل بكثير في تقدير المدة الزمنية للإصلاحات؛ حيث انخفض متوسط الخطأ في التنبؤ بمتوسط وقت الإصلاح من ما يقرب من تسعة أشهر إلى أقل من خمسة أشهر مع تغذية النموذج بمزيد من المعلومات.

وبعيداً عن مجرد ضبط التاريخ الصحيح، أصبح النظام أكثر ثقة في إجاباته. كانت التنبؤات المبكرة منتشرة عبر نطاق واسع من الاحتمالات، مما يعكس عدم اليقين العالي في أعقاب الكارثة مباشرة. ومع وصول المزيد من البيانات، أصبحت التنبؤات أكثر تماسكاً، مما قلص نافذة أوقات الإصلاح المحتملة. على سبيل المثال، تقلص نطاق أوقات الإصلاح المحتملة من متوسط انتشار قدره سنتان وثلاثة أرباع السنة إلى أقل من سنتين في المرحلة النهائية. وهذا التقليص في عدم اليقين أمر بالغ الأهمية لتخصيص الموارد، لأنه يساعد المسؤولين على معرفة متى يتوقعون جاهزية المباني وكيفية ترتيب أولويات فرق الإصلاح والمواد المحدودة. ووجد الباحثون أن التحول الأكثر دراماتيكية في التنبؤات حدث عندما أضافوا بيانات حول هز الأرض وظروف التربة، والتي غيرت نظرة المبنى أكثر من خصائصه الفيزيائية. ومع ذلك، كانت التعديلات النهائية بناءً على تكاليف الإصلاح وتأخيرات التقييم هي الأكثر فعالية في ضبط التنبؤات لتتطابق مع الواقع.

كما بحثت الدراسة أيضاً في كيفية انعكاس هذه التنبؤات على كامل مخزون المباني في المنطقة المتضررة. وعندما قام الباحثون بتجميع التنبؤات الفردية، تطابق منحنى التعافي العام بشكل وثيق مع السجل التاريخي الفعلي لسرعة إصلاح المباني. كانت التنبؤات الأولية، القائمة على بيانات محدودة، تقلل من سرعة التعافي، ولكن مع دمج النظام لمزيد من المعلومات، اقترب المنحنى المتوقع من الواقع المرصود. وهذا يشير إلى إمكانية استخدام هذه الطريقة ليس فقط للمباني الفردية، بل للتخطيط لتعافي أحياء أو مدن بأكملها. وأشار الباحثون إلى أنه بينما يعد النظام فعالاً للغاية، فإنه ليس مثالياً؛ إذ لا يزال يقلل قليلاً من سرعة التعافي في المدى المتوسط إلى الطويل، مما يشير إلى أن بعض العوامل التي تؤثر على أوقات الإصلاح لا تزال صعبة الحصر حتى مع وجود بيانات مفصلة.

إن أحد الرؤى الرئيسية لهذا البحث هو أن نوع المعلومات المتاحة يهم أكثر من مجرد حجم البيانات في أي لحظة معينة. فقد أظهر النظام أن أنواعاً مختلفة من المعلومات تقود التنبؤ في أوقات مختلفة. ففي البداية، كانت السمات الفيزيائية للمبنى هي العوامل الأكثر أهمية. وبمجرد وقوع الزلزال، أصبحت شدة الهزة المحددة وظروف الأرض المحلية هي المحركات المهيمنة على التنبؤ. وفي المرحلة النهائية، أصبحت التفاصيل الإدارية والمالية، مثل مدة التقييم وتكلفة الإصلاح المقدرة، هي العوامل الأكثر تأثيراً. يسلط هذا المشهد المتغير من الأهمية الضوء على سبب عدم قدرة النموذج الثابت الذي يستخدم مجموعة ثابتة من المتغيرات على العمل بنفس كفاءة النموذج الديناميكي الذي يتكيف مع تدفق المعلومات.

ويؤكد المؤلفون أن عملهم ليس حلاً نهائياً بل هو طريقة جديدة للتفكير في المشكلة. ويشيرون إلى أن البيانات التي استخدموها جاءت من سياق محدد للمباني المؤمن عليها في نيوزيلندا، والتي قد تختلف عن مناطق أو أنواع مبانٍ أخرى. كما أن تعريف "وقت الإصلاح" في دراستهم يشمل العملية بأكملها من الزلزال إلى التوقيع النهائي، بما يغطي مطالبات التأمين، والموافقات على التصميم، وأعمال البناء، بدلاً من مجرد أعمال البناء المادية. وهم يقرون أيضاً بأن النظام يعتمد على توافر البيانات، وفي الكوارث الحقيقية، يمكن أن يختلف توقيت توفر المعلومات. وبالرغم من هذه القيود، توفر الدراسة إطار عمل قوياً لإدارة عدم اليقين. فهي تظهر أنه من خلال قبول حقيقة أن المعلومات تكون غير كاملة في البداية وبناء نظام يتطور معها، يمكن لمديري الطوارئ اتخاذ قرارات أفضل طوال عملية التعافي، بدلاً من انتظار صورة مثالية قد لا تصل أبداً.

يمثل هذا النهج تحولاً من التنبؤ الاستاتيكي إلى التعلم الديناميكي. في الماضي، كانت النماذج تُبنى غالباً لتعمل بأفضل شكل عند توفر جميع البيانات، أي أنها تنظر إلى الماضي للتنبؤ بالمستقبل. أما هذا الإطار الجديد فقد صُمم ليعمل في الحاضر، حيث لا يزال المستقبل يُكتب. إنه يعامل التنبؤ ليس كرقم واحد يتم تخمينه، بل كاحتمالية حية تتغير مع وضوح الموقف. ومن خلال تنظيم عملية التعافي في هذه المراحل المتميزة من توافر المعلومات، أنشأ الباحثون أداة تحاكي التجربة الفعلية لإدارة ما بعد الكوارث. وهي تسمح بفهم أكثر دقة للمخاطر، مما يساعد في الإجابة ليس فقط على سؤال "متى سيتم إصلاحه؟" بل أيضاً على "ما مدى ثقتنا في هذه الإجابة الآن، وكيف ستتغير هذه الثقة مع تعلمنا المزيد؟".

وتتجاوز آثار هذا العمل مجرد العواقب المباشرة لزلزال ما. فالقدرة على تتبع وتحديث التوقعات الاحتمالية مع وصول بيانات جديدة يمكن تطبيقها في سيناريوهات تعافٍ معقدة أخرى حيث تكون المعلومات مجزأة وتصل بمرور الوقت. وسواء كان الأمر يتعلق باستعادة شبكات الطاقة، أو إصلاح الطرق، أو إدارة سلاسل التوريد، فإن المبدأ يظل كما هو: أفضل تنبؤ هو ذلك الذي لديه الاستعداد للتغيير مع تغير العالم من حوله. وتثبت الدراسة أنه من خلال الجمع بين الأنماط التاريخية والتحديثات في الوقت الفعلي، من الممكن التنقل في حالة عدم اليقين أثناء التعافي من الكوارث بوضوح وثقة أكبر. إن النظام لا يلغي فوضى الكارثة، ولكنه يوفر طريقة منظمة لفهمها، محولاً فيض المعلومات الجزئية إلى دليل متماسك للعمل.

وفي النهاية، تكمن قيمة هذا البحث في تطبيقه العملي. فهو يقدم وسيلة للانتقال من التخمينات الغامضة إلى التقديرات المدروسة، مما يساعد المجتمعات على التخطيط لطريق التعافي. ومن خلال فهم كيفية تأثير أنواع المعلومات المختلفة على الجدول الزمني، يمكن للمسؤولين توقع الاختناقات وتخصيص الموارد بشكل أكثر فعالية. وتؤكد الدراسة أنه بينما يكون مسار التعافي معقداً وغير متوقع، فإنه ليس بعيداً عن الفهم. فباستخدام الأدوات المناسبة، يمكن إدارة عدم اليقين في الأيام الأولى، ورسم مسار التعافي بدقة متزايدة مع هدوء الأوضاع وظهور التفاصيل. ويمثل هذا النهج الديناميكي للتنبؤ خطوة مهمة نحو بناء مدن أكثر مرونة لا تستطيع فقط الصمود أمام الزلازل، بل يمكنها أيضاً التعافي منها بسرعة وكفاءة أكبر.