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

पश्चिम अफ्रीका के तटीय शहरों में, जो लोग वहां निर्माण और रखरखाव करते हैं, उनके पैरों के नीचे की जमीन खिसक रही है। तीव्र शहरी विकास प्राकृतिक परिदृश्यों को ढंक रहा है, जिससे वह मिट्टी जो कभी वर्षा का जल सोखती थी, अब कठोर सतहों में बदल गई है जो पानी को दूर धकेल देती है। साथ ही, जलवायु बदल रही है, जो भारी तूफान लेकर आ रही है जो पुराने जल निकासी तंत्रों को अभिभूत कर देते हैं। उन इंजीनियरों के लिए, जिनका काम सड़कों को खुला और सुरक्षित रखना है, यह एक खतरनाक पहेली पैदा करता है। सड़क कहाँ बाढ़ की चपेट में आ सकती है, इसका पूर्वानुमान लगाने के लिए पारंपरिक तरीकों के लिए जमीन के विस्तृत, महंगे सर्वेक्षणों और जटिल भौतिक सिमुलेशन की आवश्यकता होती है। ये दृष्टिकोण एक अकेले पुल या एक प्रमुख राजमार्ग के लिए तो अच्छी तरह से काम करते हैं, लेकिन वे उन छोटे रास्तों के विशाल, उलझे हुए नेटवर्क के लिए बहुत महंगे और धीमे हैं जो पूरे पड़ोस को जोड़ते हैं। जब कोई शहर अपने सड़क नेटवर्क के हर इंच का मानचित्रण करने का खर्च नहीं उठा सकता, तो वह अक्सर नुकसान होने के बाद ही प्रतिक्रिया देता है, सड़कों को तभी ठीक करता है जब वे बहकर नष्ट हो जाती हैं।

एक नया दृष्टिकोण एक अलग रास्ता प्रदान करता है, जो उपग्रहों और खुले मानचित्रों से उपलब्ध मुफ्त डेटा की विशाल मात्रा पर निर्भर करता है। शोधकर्ताओं ने एक ऐसी विधि विकसित की है जो इस खुले डेटा स्रोतों को एक प्रकार के कंप्यूटर लर्निंग के साथ जोड़ती है जो पारदर्शी होने के लिए डिज़ाइन की गई है। कंप्यूटर को एक रहस्यमय "ब्लैक बॉक्स" के रूप में मानने के बजाय, जो केवल एक जोखिम स्कोर आउटपुट करता है, यह विधि 'एक्सप्लेनेबल आर्टिफिशियल इंटेलिजेंस' (व्याख्यात्मक कृत्रिम बुद्धिमत्ता) नामक एक तकनीक का उपयोग करती है। यह उपकरण कंप्यूटर के निर्णय लेने की परतों को हटाकर उन विशिष्ट भौतिक कारणों को प्रकट करता है कि क्यों एक सड़क असुरक्षित है। यह इंजीनियरों को न केवल यह देखने की अनुमति देता है कि एक सड़क जोखिम में है, बल्कि यह भी कि वह जोखिम में क्यों है, जिससे अमूर्त संभावनाओं को ठोस इंजीनियरिंग निर्देशों में बदला जा सके।

यह अध्ययन तटीय पश्चिम अफ्रीकी शहरों के सड़क नेटवर्क पर केंद्रित था, जहाँ बाढ़ का खतरा तीव्र है। शोधकर्ताओं ने सड़कों के डिजिटल मानचित्र को लेकर उन्हें छोटे, प्रबंधनीय टुकड़ों में विभाजित किया, जिनमें से प्रत्येक ठीक एक सौ मीटर लंबा था। सड़क के प्रत्येक टुकड़े के लिए, उन्होंने मुफ्त, वैश्विक डेटाबेस से तथ्यों का एक समूह एकत्र किया। उन्होंने देखा कि जमीन कितनी ऊँची थी, ढलान कितनी तीव्र थी, आसपास के क्षेत्र में कंक्रीट या इमारतों का कितना हिस्सा था, और अतीत में कितनी वर्षा हुई थी। उन्होंने ऐतिहासिक रिकॉर्ड भी देखे कि किन सड़क खंडों में वास्तव में पहले बाढ़ आई थी। इससे एक विशाल डेटासेट बना जहाँ प्रत्येक सड़क खंड को उन स्थितियों के साथ जोड़ा गया जो उसकी विफलता या उसके अस्तित्व का कारण बनीं।

इस डेटा को समझने के लिए, टीम ने 'ग्रेडिएंट-बूस्टेड डिसीजन ट्री' नामक एक शक्तिशाली कंप्यूटर मॉडल को प्रशिक्षित किया। इस मॉडल को एक अत्यधिक कुशल विश्लेषक के रूप में समझें जो सूचना के पहाड़ में उन सूक्ष्म पैटर्न को पहचान सकता है जिन्हें एक इंसान शायद छोड़ दे। मॉडल ने सीखा कि सड़क का खंड भौतिक विशेषताओं के आधार पर बाढ़ में आएगा या नहीं। इसने उल्लेखनीय सटीकता के साथ प्रदर्शन किया, और अधिकांश मामलों में असुरक्षित सड़कों की सही पहचान की। हालाँकि, वास्तविक सफलता केवल भविष्यवाणी में नहीं, बल्कि व्याख्या में थी। 'एक्सप्लेनेबल आर्टिफिशियल इंटेलिजेंस' टूल का उपयोग करके, शोधकर्ता मॉडल से अपना काम दिखाने के लिए कह सकते थे। उन्होंने पाया कि कंप्यूटर अनुमान नहीं लगा रहा था; वह विशिष्ट, मापने योग्य भौतिक सीमाओं पर निर्भर था।

निष्कर्षों ने शहरी नियोजन की एक सामान्य धारणा को उलट दिया। दशकों से, शहर के अधिकारी अक्सर यह मान लेते आए हैं कि प्रमुख, प्राथमिक सड़कें सबसे महत्वपूर्ण सुरक्षा की हकदार हैं, जबकि छोटी, स्थानीय सड़कें कम महत्वपूर्ण हैं। डेटा ने दिखाया कि यह गलत है। कंप्यूटर मॉडल ने पाया कि सड़क का प्रशासनिक लेबल—चाहे वह एक मुख्य धमनी हो या एक छोटी फीडर सड़क—उसका बाढ़ आने की संभावना पर कोई वास्तविक प्रभाव नहीं पड़ता था। समुद्र तल से कम ऊंचाई वाले, समतल क्षेत्र में स्थित एक छोटी सड़क, उतनी ही असुरक्षित थी जितना कि उसी स्थान पर स्थित एक प्रमुख राजमार्ग। वे कारक जो वास्तव में मायने रखते थे, वे थे स्थानीय भौतिक स्थितियाँ: समुद्र तल से सड़क की ऊंचाई, जमीन की ढलान, और इमारतों द्वारा कवर की गई आसपास की भूमि का विस्तार।

अध्ययन ने उन सटीक थ्रेशोल्ड (सीमाओं) को चिन्हित किया जहाँ बाढ़ का जोखिम नाटकीय रूप से बढ़ जाता है। समुद्र तल से बारह मीटर से कम ऊंचाई पर स्थित सड़कों को गंभीर खतरे में पाया गया। जब जमीन की ढलान दो और आधा डिग्री से कम थी, तो पानी के पास जाने का कोई रास्ता नहीं था, जिससे खतरनाक जमाव हुआ। इसी तरह, जब सड़क के निकटवर्ती क्षेत्र का साठ प्रतिशत से अधिक हिस्सा इमारतों या फुटपाथ से ढका था, तो पानी के पास सोखने के लिए कोई जगह नहीं बची, जिससे वह सड़क की सतह पर तेजी से बहने लगा। मॉडल ने यह भी पहचाना कि जब एक दिन की वर्षा एक सौ पैंतालीस मिलीमीटर से अधिक होती है, तो सड़क का संरचनात्मक आधार संतृप्त होकर विफल हो जाता है। ये अस्पष्ट चेतावनियाँ नहीं हैं; ये सटीक, भौतिक टिपिंग पॉइंट्स (निर्णायक बिंदु) हैं।

यह कार्य उन शहरों के लिए एक स्पष्ट ब्लूप्रिंट प्रदान करता है जिनके पास महंगे फील्ड सर्वेक्षणों के लिए बजट की कमी है। आपदा आने का इंतजार करने के बजाय, नगर निगम के इंजीनियर अब इन विशिष्ट संख्याओं का उपयोग अपने निर्णयों को निर्देशित करने के लिए कर सकते हैं। यदि कोई सड़क दो और आधा डिग्री से कम ढलान वाले समतल क्षेत्र में है, तो शहर जानता है कि उसे तुरंत सड़क के आधार को ऊँचा करने या जल निकासी में सुधार करने की आवश्यकता है। यदि कोई पड़ोस इतना पक्का हो गया है कि सतह का साठ प्रतिशत से अधिक हिस्सा अभेद्य है, तो शहर जानता है कि उसे पारगम्य सतहों या बड़े ड्रेनेज पाइपों को स्थापित करना चाहिए। शोध यह सुझाव देता है कि प्रशासनिक सड़क श्रेणियों के बजाय इन भौतिक वास्तविकताओं पर ध्यान केंद्रित करके, शहर अपने सीमित धन को उन स्थानों पर निर्देशित कर सकते हैं जहाँ वे सबसे अधिक लाभ पहुँचाएंगे।

इसके निहितार्थ केवल सड़कों को ठीक करने तक ही सीमित नहीं हैं। यह समझने के बाद कि बुनियादी ढांचा वास्तव में कहाँ और क्यों विफल होता है, शहर भविष्य की योजना अधिक विश्वास के साथ बना सकते हैं। शोधकर्ता प्रस्तावित करते हैं कि इन निष्कर्षों को स्थानीय बिल्डिंग कोड और ड्रेनेज डिजाइन नियमों में लिखा जाना चाहिए। जब एक नई सड़क बनाई जाती है, या किसी पुरानी सड़क की मरम्मत की जाती है, तो डिजाइन इन भौतिक सीमाओं पर आधारित होना चाहिए। यदि जमीन बहुत समतल है या आसपास का क्षेत्र बहुत अधिक पक्का है, तो इंजीनियरिंग विशिष्टताओं को क्षतिपूर्ति करने के लिए बदलना ही होगा। प्रतिक्रियात्मक मरम्मत से प्रोएक्टिव, डेटा-संचालित डिजाइन की ओर यह बदलाव दुनिया के कुछ सबसे संवेदनशील तटीय क्षेत्रों में लचीलापन बनाने का एक तरीका है।

अंततः, यह अध्ययन प्रदर्शित करता है कि उच्च गुणवत्ता वाला जलवायु अनुकूलन हमेशा नई महंगी तकनीक या विशाल फील्ड टीमों की मांग नहीं करता है। मुफ्त उपलब्ध उपग्रह डेटा को स्मार्ट, पारदर्शी कंप्यूटर मॉडल के साथ जोड़कर, एक शहर के बुनियादी ढांचे में छिपे जोखिमों को देखना संभव है। परिणाम एक व्यावहारिक, कार्रवाई योग्य मार्गदर्शिका है जो इंजीनियरों को बताती है कि वास्तव में क्या ठीक करना है और कैसे ठीक करना है। एक ऐसी दुनिया में जहाँ जलवायु परिवर्तन चरम मौसम को अधिक सामान्य बना रहा है, विफलता की भविष्यवाणी करने और उसे रोकने की यह क्षमता समुदायों को जोड़े रखने और सुरक्षित रखने के लिए एक महत्वपूर्ण उपकरण है।