Spatial machine learning and explainable artificial intelligence predict urban road flood vulnerability in coastal West Africa

في المدن الساحلية في غرب أفريقيا، تتحرك الأرض تحت أقدام أولئك الذين يبنونها ويصونونها. فالنمو الحضري السريع يغطي المساحات الطبيعية، محولاً التربة التي كانت تشرب المطر ذات يوم إلى أسطح صلبة تدفع المياه بعيداً. وفي الوقت نفسه، يتغير المناخ، جالبًا عواصف أكثر شدة ترهق أنظمة الصرف القديمة. وبالنسبة للمهندسين المكلفين بإبقاء الطرق مفتوحة وآمنة، يخلق هذا لغزًا خطيرًا. تعتمد الأساليب التقليدية للتنبؤ بمكان احتمال فيضان الطريق على مسوحات تفصيلية ومكلفة للأرض ومحاكاة فيزيائية معقدة. وتعمل هذه النهج بشكل جيد لطريق جسر واحد أو طريق سريع رئيسي، لكنها مكلفة وبطيئة للغاية لتطبيقها على الشبكات المتشابكة والواسعة من الشوارب الصغيرة التي تربط أحياء بأكملها. وعندما لا تستطيع المدينة تحمل تكلفة رسم خرائط لكل بوصة من شبكة طرقها، فإنها غالبًا ما تكتفي برد الفعل فقط بعد وقوع الضرر، حيث تقوم بإصلاح الطرق فقط بعد أن تجرفها المياه.

يقدم نهج جديد مسارًا مختلفًا، يعتمد على كميات هائلة من البيانات المجانية المتاحة بالفعل من الأقمار الصناعية والخرائط المفتوحة. فقد طور الباحثون طريقة تجمع بين مصادر البيانات المفتوحة هذه ونوع من التعلم الحاسوبي المصمم ليكون شفافًا. وبدلاً من معاملة الكمبيوتر كـ "صندوق أسود" غامض يخرج فقط درجة مخاطر، تستخدم هذه الطة تقنية تسمى الذكاء الاصطناعي القابل للتفسير. يقوم هذا الأداة بتقشير طبقات اتخاذ القرار في الكمبيوتر للكشف عن الأسباب الفيزيائية المحددة التي تجعل الطريق معرضًا للخطر. إنها تسمح للمهندسين ليس فقط بمعرفة أن الطريق معرض للخطر، بل ومعرفة لماذا هو معرض للخطر، مما يحول الاحتمالات المجردة إلى تعليمات هندسية ملموسة.

ركزت الدراسة على شبكات الطرق في مدن غرب أفريقيا الساحلية، حيث التهديد بالفيضانات حاد. بدأ الباحثون بأخذ الخريطة الرقمية للطرق وتفكيكها إلى قطع صغيرة يمكن إدارتها، طول كل منها مائة متر بالضبط. ولكل قطعة طريق، جمعوا مجموعة من الحقائق من قواعد بيانات عالمية مجانية. بحثوا في مدى ارتفاع الأرض، ودرجة انحدار المنحدر، ومدى تغطية المنطقة المحيطة بالخرسانة أو المباني، وكمية الأمطار التي سقطت في الماضي. كما تحققوا من السجلات التاريخية لمعرفة أي أجزاء من الطريق تعرضت للفيضان فعليًا. أنشأ هذا مجموعة بيانات ضخمة حيث تم إقران كل جزء من الطريق بالظروف التي أدت إلى فشله أو بقائه.

ولفهم هذه البيانات، درب الفريق نموذجًا حاسوبيًا قويًا يُعرف باسم "أشجار القرار المعززة بالتدرج". فكر في هذا النموذج كمحلل ماهر للغاية يمكنه رصد أنماط دقيقة في جبل من المعلومات قد يغفل عنها البشر. تعلم النموذج التنبؤ بما إذا كان جزء من الطريق سيفيض بناءً على خصائصه الفيزيائية. وقد أدى أداءه بدقة ملحوظة، حيث حدد الطرق المعرضة للخطر في غالبية الحالات. ومع ذلك، لم يكن الاختراق الحقيقي في التنبؤ فحسب، بل في التفسير. فباستخدام أداة الذكاء الاصطناعي القابل للتفسير، استطاع الباحثون أن يطلبوا من النموذج "إظهار عمله". لقد اكتشفوا أن الكمبيوتر لم يكن يخمن؛ بل كان يعتمد على حدود فيزيائية محددة وقابلة للقياس.

لقد قلبت النتائج افتراضًا شائعًا في التخطيط الحضري. فلعقود من الزمن، كان مسؤولو المدن يفترضون غالبًا أن الطرق الرئيسية الكبرى هي الأكثر أهمية للحماية، بينما الشوارع المحلية الصغيرة أقل أهمية. وأظهرت البيانات أن هذا غير صحيح. فقد وجد نموذج الكمبيوتر أن التصنيف الإداري للطريق — سواء كان شريانًا رئيسيًا أو شارعًا فرعيًا صغيرًا — ليس له أي تأثير حقيقي على ما إذا كان سيفيض أم لا. فالطريق الصغير في منطقة منخفضة ومسطحة مع وجود كميات كبيرة من الخرسانة في مكان قريب كان عرضة للفشل تمامًا مثل طريق سريع رئيسي في نفس الموقع. كانت العوامل التي تهم حقًا هي الظروف الفيزيائية المحلية: ارتفاع الطريق فوق مستوى سطح البحر، وانحدار الأرض، ومدى تغطية الأرض المحيطة بالمباني.

حددت الدراسة نقاطًا دقيقة حيث تقفز مخاطر الفيضانات بشكل كبير. وُجد أن الطرق التي تقع على ارتفاع أقل من اثني عشر مترًا فوق مستوى سطح البحر في خطر شديد. وعندما كان انحدار الأرض أقل من درجتين ونصف، لم يكن للمياه مكان تذهب إليه، مما أدى إلى تجمعها بشكل خطير. وبالمثل، عندما كانت أكثر من خمسة وستين بالمائة من الأرض داخل مسافة قصيرة من الطريق مغطاة بالمباني أو الرصف، لم يكن للمياه مكان لتمتص فيه، مما أجبرها على الاندفاع فوق سطح الطريق. كما حدد النموذج أنه عندما تتجاوز كمية الأمطار في يوم واحد مائة وخمسة وأربعين مليمترًا، تصبح القاعدة الهيكلية للطريق مشبعة وتفشل. هذه ليست تحذيرات غامضة؛ بل هي نقاط تحول فيزيائية دقيقة.

يوفر هذا العمل مخططًا واضحًا للمدن التي تفتقر إلى الميزانية لإجراء مسوحات ميدانية مكلفة. فبدلاً من انتظار وقوع الكارثة، يمكن لمهندسي البلديات الآن استخدام هذه الأرقام المحددة لتوجيه قراراتهم. إذا كان الطريق في منطقة مسطحة بانحدار أقل من درجتين ونصف، فإن المدينة تعرف أنها بحاجة إلى رفع جسم الطريق أو تحسين الصرف فورًا. وإذا أصبح الحي مرصوفًا لدرجة أن أكثر من خمسة وستين بالمائة من السطح غير نفاذ، فإن المدينة تعرف أنها يجب أن تثبت أسطحًا نفاذة أو أنابيب صرف أكبر. ويشير البحث إلى أنه من خلال التركيز على هذه الحقائق الفيزيائية بدلاً من الفئات الإدارية للطرق، يمكن للمدن توجيه أموالها المحدودة إلى الأماكن التي ستحقق فيها أكبر قدر من النفع.

تتجاوز آثار هذا العمل مجرد إصلاح الطرق. فمن خلال فهم مكان وكيفية فشل البنية التحتية بدقة، يمكن للمدن التخطيط للمستقبل بثقة أكبر. ويقترح الباحثون كتابة هذه النتائج في قوانين البناء المحلية وقواعد تصميم الصرف الصحي. فعندما يتم تخطيط طريق جديد، أو إصلاح طريق قديم، يجب أن يعتمد التصميم على هذه العتبات الفيزيائية. فإذا كانت الأرض مسطحة جدًا أو المنطقة المحيطة مرصوفة للغاية، يجب أن تتغير المواصفات الهندسية للتعويض عن ذلك. وهذا التحول من الإصلاح التفاعلي إلى التصميم الاستباقي القائم على البيانات يوفر وسيلة لبناء المرونة في بعض أكثر مناطق العالم عرضة للخطر.

في نهاية المطاف، تثبت الدراسة أن التكيف عالي الجودة مع المناخ لا يتطلب دائمًا تقنيات جديدة باهظة الثمن أو فرق عمل ميدانية ضخمة. فمن خلال الجمع بين بيانات الأقمار الصناعية المتاحة مجانًا ونماذج حاسوبية ذكية وشفافة، من الممكن رؤية المخاطر الخفية في البنية التحتية للمدينة. والنتيجة هي دليل عملي وقابل للتنفيذ يخبر المهندسين بالضبط ما الذي يجب إصلاحه وكيفية إصلاحه. وفي عالم يجعل فيه تغير المناخ الظواهر الجوية المتطرفة أكثر شيوعًا، فإن القدرة على التنبؤ بالفشل ومنعه هي أداة حيوية لإبقاء المجتمعات متصلة وآمنة.