Simulating Cascading Flood Impacts on Urban Infrastructure Systems in Malmö
تقدم هذه الورقة TRIGGER، وهو إطار عمل مبتكر يجمع بين نمذجة الشبكات القائمة على التدفق ونماذج اللغات الكبيرة لمحاكاة تأثيرات فيضانات التتابع على البنية التحتية الحضرية المترابطة في مدينة مالمو، وقياس مدى فعالية تدابير التكيف القائمة على الطبيعة في التخفيف من حدة انقطاع الخدمات.
المدن ليست مجرد مجموعات من المباني؛ بل هي شبكات حية حيث تتشابك الكهرباء والمياه والطرق وخدمات الطوارئ معاً بقوة تجعل من انقطاع خيط واحد كفيلاً بفك نسيج المنظومة بأكملها. فعندما تضرب الفيضانات، نادراً ما تتوقف عند حافة المياه؛ فمحطة كهرباء مغمورة قد تؤدي إلى تعطل إشارات المرور، مما يعيق حركة سيارات الإسعاف، مما يترك المستشفيات دون مولدات احتياطية، لتنشأ بذلك سلسلة من ردود الفعل المتتابعة للفشل تنتشر بعيداً عن منطقة الكارثة الأولية. لعقود من الزمن، رسم المهندسون خرائط لهذه الروابط، لكن البيانات التي أنتجوها ظلت غالباً حبيسة مخططات وأرقام معقدة يصعب على مخططي المدن ترجمتها إلى إجراءات واقعية. إن السؤال الذي يواجه مرونة المدن الحديثة ليس فقط كيفية التنبؤ بالفيضان، بل كيفية فهم "أحجار الدومينو" غير المرئية التي تسقط بعده، وكيفية منعها من السقوط قبل أن تنهار.
وفي دراسة جديدة ركزت على مدينة مالمو السويدية، طور الباحثون وسيلة لسد هذه الفجوة بين البيانات الخام والفهم البشري. فقد أنشأوا نموذجاً رقمياً للبنية التحتية للمدينة، يحاكي كيفية تفاعل أنظمة الكهرباء والمياه والنقل مع ثلاثة أنواع مختلفة من الفيضانات المستقبلية: الأمطار الغزيرة، ومستويات سطح البحر المرتفعة، ومزيج من المد العالي والعواصف الشديدة. لكن الابتكار الحقيقي يكمن في كيفية تفسير النتائج؛ فبدلاً من ترك المخططين لفك رموز آلاف الأسطر من المخرجات التقنية، ربط الفريق محاكاتهم بنموذج لغوي متطور يعتمد على الذكاء الاصطناعي. عملت هذه الأداة كمترجم، حيث أخذت الأرقام الجافة والجامدة لإخفاقات الخدمات وأعادت صياغتها في شكل روايات واضحة وملحة حول الأحياء التي ستفقد الطاقة، وعدد الأشخاص الذين سينقطعون عن الوصول إلى المستشفيات، وكيف ستتوقف عمليات الموانئ تماماً.
ووجد الباحثون أن هذا الجمع بين المحاكاة الفيزيائية والذكاء الاصطناعي يمكنه فعلياً قياس شدة الكارثة وتوسيع نطاقها. فعندما أظهرت نماذج الفيضان اضطراباً هائلاً، استخدم النموذج اللغوي تلقائياً لغة أقوى وأكثر إنذاراً لوصف الموقف، بما يتناسب مع حدة الأزمة. والأهم من ذلك، أن النظام تعلم تلخيص كميات هائلة من البيانات؛ فعندما تأثرت مئات العقد في الشوارع، لم يقم النموذج بسردها جميعاً، بل جمعها في فئات ذات معنى، ليخبر المخططين أن "خمسين منطقة سكنية" قد تأثرت بدلاً من إغراقهم بقائمة تضم خمسين إحداثية محددة. وقد سمح هذا للفريق برؤية أن بعض الخطوط الحيوية الحرجة، مثل وصلات السكك الحديدية المؤدية إلى الميناء وشبكات الكهرباء التي تغذي مراكز الشرطة، كانت أكثر عرضة للفشل المتتابع من غيرها من الأصول، حتى وإن كان عدد العقد المتأثرة متقارباً.
كما اختبرت الدراسة ما إذا كانت الحلول القائمة على الطبيعة يمكن أن توقف سلاسل الفشل هذه قبل بدئها. قام الفريق بمحاكاة خمس استراتيجيات خضراء مختلفة، تتراوح بين زراعة أشجار الشوارع وتغطية الأسطح بالنباتات. وفي عمليات المحاكاة، أثبت النهج الأكثر شمولاً، والذي جمع بين الأسطح الخضراء والأشجار الجديدة والمتنزهات المستعادة، أنه الأكثر فعالية في تقليل عدد الأشخاص الذين يُحرمون من الخدمات. وفي سيناريو الأمطار الغزيرة، استطاع نهج "الحلم الأخضر" (GreenDream) أن يمنع ما يقرب من 210,000 شخص من فقدان الوصول إلى خدمات المياه. كما أظهرت استراتيجية تركز فقط على الأسطح الخضراء قوة ملحوظة، حيث مكنت من إنقاذ ما يقرب من 93,000 شخص من فقدان الوصول إلى مراكز الإطفاء خلال حدث الأمطار الغزيرة نفسه. وتشير النتائج إلى أن الحل الأمثل يعتمد كلياً على نوع الفيضان؛ فبينما كانت الأسطح الخضراء قوية في مواجهة الأمطار، قدمت تدابير أخرى مثل أشجار الشوارع حماية أكثر اتساقاً ضد مستويات المياه المختلفة.
لا يدعي هذا العمل حل مشكلة فيضانات المدن، ولا يتنبأ بالمستقبل بيقين مطلق؛ إذ تعتمد عمليات المحاكاة على نماذج مبسطة لكيفية حركة المياه والكهرباء، كما أن ملخصات الذكاء الاصطناعي مصممة ليتم مراجعتها من قبل البشر لضمان الدقة. ومع ذلك، فإن الدراسة تقدم طريقة جديدة وقوية للتفكير في الاستعداد للكوارث. فمن خلال تحويل إخفاقات الشبكات المعقدة إلى قصص عن الناس والخدمات، ومن خلال اختبار كيف يمكن للبنية التحتية الخضراء كسر سلسلة الكوارث المتتابعة، يوفر هذا الإطار لقادة المدن مساراً أوضح للمضي قدماً. إنه ينقل النقاش من إدارة المخاطر المجردة إلى التخطيط الملموس عابر القطاعات، موضحاً أن حماية مرونة المدينة قد لا تتطلب جدراناً أقوى فحسب، بل تتطلب روابط أكثر ذكاءً واخضراراً بين أنظمتها الأكثر حيوية.
ملخص تقني: محاكاة تأثيرات الفيضانات المتتالية على أنظمة البنية التحتية الحضرية في مالمو
بيان المشكلة تتزايد ترابطات البنى التحتية الحضرية، مما يخلق نقاط ضعف حيث يمكن للفشل المحلي أن يتسبب في آثار متتالية عبر الأنظمة، مما يؤدي إلى تعطيل الخدمات الأساسية مثل الكهرباء والمياه والاستجابة للطوارئ. تفتقر المنهجيات الحالية لتقييم هذه المخاطر غالباً إلى رؤية شاملة، حيث تفشل في ترجمة مقاييس الفشل المتتالي التقنية إلى مؤشرات ذات معنى اجتماعي لصناع القرار. علاوة على ذلك، نادراً ما تقيس الأطر الحالية الفعالية النظامية لتدابير التكيف القائمة على الطبيعة واسعة النطاق في التخفيف من خسائر الخدمات غير المباشرة. تعيق هذه الفجوة الانتقال من إدارة المخاطر المنعزلة إلى التكيف المناخي الاستباقي العابر للقطاعات.
المنهجية: إطار عمل TRIGGER تقدم هذه الدراسة إطار عمل TRIGGER (تتبع التموجات في شبكات البنية التحتية لتوجيه التعزيز المرن)، وهو إطار مبتكر يربط بين نمذجة الشبكات القائمة على التدفق ونماذج اللغات الكبيرة (LLMs). تم تطبيق المنهجية على مدينة مالمو، السويد، عبر ثلاثة سيناريوهات للفيضانات (هطول أمطار غزيرة، مستوى مياه مرتفع للغاية، ومستوى مياه متوسط/أمطار سنوية واحدة) وخمسة سيناريوهات للتكيف القائم على الطبيعة.
يعمل إطار العمل عبر خمس مراحل:
جمع وتوزيع البيانات: تم الحصول على بيانات البنية التحتية من OpenStreetMap (OSM) مع تعزيزها ببيانات رسمية. تم تخصيص الطلب السكاني لعقد الطرق باستخدام تقسيم فورونوي (Voroi tessellation) بناءً على طبقة مستوطنات البشر العالمية. كما تم تخصيص الطلب التجاري والصناعي بناءً على نوع المنشأة باستخدام المعايير الهندسية.
الأساس وسيناريوهات المخاطر: تمت نمذجة ثلاثة سيناريوهات مستقبلية للفيضانات (عام 2125، مسار RCP 8.5). تم تحديد الأصول كمتضررة إذا تجاوز عمق الفيضان عتبات محددة (على سبيل المثال، 30 سم للطرق وخطوط الأنابيب).
المحاكاة القائمة على التدفق:
النقل/خدمات الطوارئ: قامت خوارزمية "التدفق بأقل تكلفة" (Google OR-Tools) بمحاكاة إمكانية الوصول. تم تعيين سعة صفرية للحواف المتضررة، مع إدخال حواف وهمية للحفاظ على استقرار الشبكة للتدفقات الحرجة.
الكهرباء: تمت نمذجة شبكة اصطناعية باستخدام مكتبة pandapower، تتميز بهيكل هرمي يتضمن خطاً رئيسياً بجهد 110 كيلو فولت. قامت خوارزمية تدفق التيار المتردد التكرارية بمحاكاة حالات الفشل المتتالي، مما أدى إلى فصل المكونات المثقلة (أكثر من 110% من السعة) وفصل الأحمال في الجزر المعزولة.
المياه: قام نموذج هيدروليكي قائم على الفيزياء (أداة شبكة المياه للمرونة - Water Network Tool for Resilience) بمحاكاة كسور الأنابيب وفشل المضخات، وحساب الطلب غير الملبي عند عقد المستهلكين.
نمذجة الترابط: اتبعت المحاكاة تسلسلاً متتالياً: ضرر الفيضان الأولي ← تأثيرات نظام الكهرباء ← تأثيرات نظام المياه (مع مراعاة فقدان الطاقة) ← إمكانية وصول خدمات الطوارئ (مع مراعاة فقدان الطرق والطاقة والمياه) ← عمليات الموانئ (مع مراعاة جميع الاضطرابات السابقة).
المعالجة اللاحقة بواسطة نماذج اللغات الكبيرة (LLM): لترجمة البيانات التقنية إلى رؤى قابلة للتنفيذ، قامت خوارزمية بتصفية أعلى 1% من العقد حسب الطلب غير الملبي وتغذية هذه البيانات في نماذج اللغات الكبيرة (Google Gemini 2.0 Flash و NVIDIA Nemotron Nano 9B V2). قامت النماذج بتوليد سرديات مهيكلة تحدد أنماط الضعف، وتحويل الشدة النوعية إلى تأثير عددي، وتجريد مجموعات البيانات الكبيرة لتقليل العبء المعرفي.
المساهمات الرئيسية
دمج نماذج اللغات الكبيرة مع النماذج القائمة على الفيزياء: توضح الدراسة طريقة لتحويل بيانات الفشل الجدولية المجردة بشكل منهجي إلى سرديات سياقية ذات معنى اجتماعي. هذا يسد الفجوة بين تحليلات الشبكات المعقدة والتواصل ذي الصلة بالسياسات.
التقييم الكمي للحلول القائمة على الطبيعة (NBS): يوفر إطار العمل نهجاً كمياً لمقارنة الفعالية النظامية للحلول القائمة على الطبيعة (الأسطح الخضراء، أشجار الشوارع، تعزيز المتنزهات، إزالة رصف مواقف السيارات، وسيناريو "GreenDream" المدمج) في التخفيف من خسائر الخدمات غير المباشرة.
محاكاة الترابط متعدد الأنظمة: يلتقط النموذج صراحةً انتشار حالات الفشل عبر الكهرباء، والمياه، والنقل، وخدمات الطوارئ، وعمليات الموانئ، متجاوزاً تحليل القطاع الواحد.
النتائج
فعالية نماذج اللغات الكبيرة: نجح النموذج في ربط الشدة العددية باللغة النوعية (معامل بيرسون r = 0.35)، حيث قام بتوسيع مصطلحات مثل "كارثي" لتشمل قيم طلب غير ملبى عالية. كما أظهر اتساقاً عالياً في طول المخرجات عبر السيناريوهات ونجح في تجريد البيانات، من خلال تجميع مئات العقد المتضررة في ملخصات اجتماعية واقتصادية بدلاً من سرد المعرفات الفردية. كما أعطت النماذج الأولوية لخطوط الحياة الحرجة (مثل الطاقة، والشرطة، والإسعاف) بدرجات شدة أعلى من الأصول الإدارية، مما يعكس الأهمية المجتمعية.
فعالية التكيف: أظهر سيناريو "GreenDream" (الذي يجمع عدة حلول قائمة على الطبيعة) باستمرار أكبر انخفاض في عدد السكان المتأثرين. وكان سيناريو "الأسطح الخضراء" (GreenRoof) فعالاً بشكل خاص أثناء سيناريو الهطول الغزير (EN)، حيث قلل من اضطرابات الوصول إلى محطات الإطفاء لحوالي 92,720 نسمة. كما حمى سيناريو "المتنزهات" (Parks) توفير المياه بشكل كبير (83,020 نسمة) أثناء سيناريو الهطول الغزير. وتفاوتت فعالية الحلول حسب نوع الخطر؛ فعلى سبيل المثال، كان أداء "أشجار الشوارع" (StreetTrees) أفضل نسبياً في سيناريو مستوى المياه المتوسط (MHW).
الآثار المتتالية: أكدت المحاكاة أن الضرر الأولي للفيضان على أصول معينة يؤدي إلى فشل ثانوي في الأنظمة المعتمدة عليها (على سبيل المثال، فقدان الطاقة يؤدي إلى فشل مضخة المياه، مما يعيق لاحقاً الاستجابة للطوارئ).
الأهمية والادعاءات يزعم الباحثون أن إطار عمل TRIGGER يقدم أداة عملية للمخططين الحضريين للانتقال من إدارة المخاطر المنعزلة نحو التكيف المناخي الاستباقي العابر للقطاعات. ومن خلال ترجمة سلاسل الفشل المعقدة إلى رؤى قابلة للتنفيذ، يدعم الإطار تحديد أولويات الاستثمارات في الحلول التي تقلل من الآثار الاجتماعية. وتضع هذه الدراسة دمج نماذج اللغات الكبيرة كنموذج جديد لجعل بيانات البنية التحتية التقنية متاحة لأصحاب المصلحة غير التقنيين، مما يسهل التخطيط المشترك للطوارما.
يصرح المؤلفون صراحةً أن تطبيق مدينة مالمو يعمل كإثبات للمفهوم. وهم يقرون بالقيود، بما في ذلك استخدام نماذج شبكات اصطناعية، وافتراضات الطلب الثابتة، وغياب الديناميكيات الزمنية الصريحة (أوقات الإصلاح). وبناءً على ذلك، تُقدم النتائج باعتبارها مؤشرة على الضعف النسبي للنظام بدلاً من كونها تنبؤات كمية دقيقة. وتؤكد الورقة أن عمليات التوليف المولدة بالذكاء الاصطناعي تتطلب إشرافاً بشرياً لضمان الدقة قبل دمجها في السياسات الفعلية. كما يُقترح في العمل المستقبلي دمج البيانات في الوقت الفعلي، وحلقات التغذية الراجعة ثنائية الاتجاه، وديناميكيات التعافي الزمنية.