Sintesi Tecnica: Allocazione Ottimale delle Risorse per Più Incendi Boschivi Considerando le Interdipendenze delle Infrastrutture Critiche

Definizione del Problema

Il documento affronta la complessa sfida di allocare e pianificare le risorse antincendio durante episodi di incendi boschivi multipli e simultanei. A differenza dei tradizionali scenari di incendio singolo, questo problema comporta la distribuzione di risorse eterogenee e limitate (aeree, meccaniche e personale a terra) tra diversi incendi attivi che possono presentare diverse velocità di propagazione, direzioni e comportamenti.

Un aspetto critico del problema è l'interdipendenza delle Infrastrutture Critiche (CI). Gli incendi boschivi non minacciano solo i paesaggi naturali, ma interrompono anche sistemi essenziali come le reti elettriche, la distribuzione idrica, i trasporti, le telecomunicazioni e l'assistenza sanitaria. Il malfunzionamento di un'infrastruttura spesso si ripercuote su altre, amplificando l'impatto socioeconomico totale. L'obiettivo è determinare una strategia di dispiegamento delle risorse ottimale che minimizzi il costo totale del sistema, definito come la somma di:

1. Costi operativi: Spese relative al dispiegamento e all'uso delle risorse antincendio.
2. Costi di danno: Costi associati alla riparazione delle infrastrutture e alle interruzioni del servizio, che sono influenzati dinamicamente dalle interdipendenze tra i sistemi.

Il problema è ulteriormente complicato da vincoli dinamici, tra cui:

• Vincoli di risorse: Disponibilità limitata, tempi di percorrenza tra basi e siti degli incendi, e periodi massimi di lavoro (influenzati dai livelli di riposo e addestramento).
• Dinamica dell'incendio: Gli incendi possono fondersi nel tempo, alterando le dimensioni del perimetro e i requisiti di contenimento.
• Vincoli temporali: Le decisioni devono essere prese online man mano che l'incendio evolve, con un orizzonte di pianificazione tipicamente di 6 ore (36 intervalli temporali da 10 minuti ciascuno).

Metodologia

Gli autori propongono un framework di ottimizzazione online che integra un modello di Programmazione Lineare Intera Mista (MILP) con uno strumento di simulazione chiamato i2SIM (Infrastructure Interdependencies Simulator).

1. Il Simulatore i2SIM

Per quantificare l'impatto finanziario degli incendi boschivi sulle infrastrutture interconnesse, lo studio utilizza i2SIM. Questo strumento modella il flusso di risorse tra i sistemi utilizzando Tabelle Leggibili dall'Uomo (HRT).

• Meccanismo: Le HRT definiscono le relazioni di input-output per ogni infrastruttura (ad esempio, la capacità di pazienti di un ospedale dipende dall'elettricità, dall'acqua, dal personale e dall'integrità fisica).
• Logica: Ad ogni intervallo temporale, il livello operativo di un'infrastruttura è determinato dal suo input più limitante (il "collo di bottiglia"). Se un incendio danneggia una centrale elettrica, la conseguente interruzione di corrente riduce la capacità dell'ospedale, il che a sua volta aumenta i costi di interruzione del servizio.
• Ambito: Il framework modella sei infrastrutture chiave: reti elettriche, pompe di gas, rotte di trasporto, distribuzione idrica, torri di telecomunicazione e assistenza sanitaria.

2. Il Modello di Ottimizzazione MILP

Il motore decisionale centrale è un modello MILP progettato per minimizzare il costo totale nell'orizzonte di pianificazione.

• Funzione Obiettivo: Minimizzare la somma dei costi di Variazione del Valore Netto (NVC) (danni e interruzione del servizio) e dei costi operativi delle risorse.
• Variabili Decisionali: Il modello determina la posizione e lo stato di ogni risorsa $i$ ad ogni intervallo temporale $t$, includendo:
  • Se una risorsa si trova in una specifica località dell'incendio o alla base.
  • Se una risorsa si sta spostando tra diverse località.
  • Se una risorsa sta attivamente contenendo un incendio.
• Vincoli:
  • Dinamica dell'Incendio: Modella il perimetro rimanente degli incendi, tenendo conto dei tassi di propagazione naturale e della riduzione del perimetro dovuta agli sforzi di contenimento.
  • Flusso delle Risorse: Garantisce che le risorse si muovano in modo realistico in base ai tempi di percorrenza ($\tau$) e che non possano trovarsi in due località contemporaneamente.
  • Limiti Operativi: Impone i periodi massimi di lavoro ($WP_i$) per le squadre a terra basandosi sull'efficienza del riposo e sui moltiplicatori di addestramento.
  • Fusione degli Incendi: Il modello gestisce dinamicamente gli scenari in cui diversi incendi si fondono in un unico incendio più grande, ricalcolando perimetri e requisiti delle risorse.
• Intervallo Temporale: Il modello opera su un framework a tempo discreto con un intervallo di 10 minuti.

3. Configurazione Sperimentale

Il framework è stato testato utilizzando:

• Caso Base: Un singolo scenario specifico modellato sulla volta degli incendi boschivi di Jasper City del 2024, che coinvolge tre incendi che si fondono progressivamente.
• Simulazioni su Larga Scala: 50 scenari distinti con vari perimetri di incendio, tassi di propagazione e configurazioni spaziali.
• Benchmark: Una euristica basata sulla priorità è stata utilizzata per il confronto. Questa euristica assegna tutte le risorse disponibili al singolo incendio con il più alto costo di danno immediato, ignorando i compromessi e le dinamiche future.
• Solver: Gurobi Optimizer (v13.0.0) con un limite di tempo di 600 secondi per esecuzione.

Contributi Chiave

1. Framework Integrato: Il documento introduce un nuovo accoppiamento tra un MILP di contenimento dell'incendio e il simulatore i2SIM. Ciò consente un'analisi dei costi socioeconomici che tiene esplicitamente conto dei fallimenti a cascata delle infrastrutture critiche, andando oltre le semplici metriche di "area bruciata".
2. Programmazione delle Risorse Dinamica: Il modello gestisce il processo decisionale online in cui le condizioni dell'incendio (fusione, propagazione) e i vincoli delle risorse (tempo di percorrenza, affaticamento) evolvono in tempo reale.
3. Gestione della Fusione degli Incendi: La formulazione affronta esplicitamente le dinamiche non lineari della fusione degli incendi, dove il perimetro combinato è inferiore alla somma dei singoli perimetri, richiedendo una ri-ottimizzazione adattiva.
4. Realismo Operativo: Il modello incorpora fattori umani realistici, come l'efficienza del riposo e i livelli di addestramento, per calcolare i periodi di lavoro effettivi per le squadre a terra.

Risultati

• Riduzione dei Costi: Il framework di ottimizzazione proposto ha superato significativamente l'euristica basata sulla priorità. In tutti i 50 scenari di incendi boschivi su larga scala, il modello di ottimizzazione ha ridotto i costi totali dal 6,6% al 45,1%.
• Rendimenti Decrescenti: Lo studio ha rilevato che l'aggiunta di più risorse non riduce linearmente le perdite. Il beneficio marginale di risorse aggiuntive diminuisce all'aumentare della disponibilità.
• Sensibilità alle Risorse:
  • Risorse Aeree: L'aumento della disponibilità di risorse aeree (particolarmente gli elicotteri) ha prodotto la riduzione più significativa dei costi di danno grazie alla loro alta efficienza di contenimento e rapido dispiegamento.
  • Tempo di Percorrenza: Il dispiegamento precoce di risorse ad alta capacità è fondamentale. I ritardi nei tempi di arrivo hanno aumentato significativamente i costi totali, evidenziando l'importanza dell'accessibilità.
• Efficienza Computazionale: L'approccio MILP si è dimostrato computazionalmente fattibile. Solo il 2,78% degli casi ha raggiunto il limite di 600 secondi senza provare l'ottimalità, e anche in quei casi, il MIP-Gap era minimo (0,02%), indicando che sono state trovate rapidamente soluzioni quasi ottimali di alta qualità.

Significato e Rivendicazioni

Il documento sostiene che la sua importanza primaria risieda nel fornire uno strumento di supporto decisionale online e computazionalmente fattibile per i gestori delle emergenze che affrontano molteplici incendi boschivi simultanei. Integrando le interdipendenze infrastrutturali, il framework offre una rappresentazione più accurata del vero costo degli incendi boschivi, consentendo strategie che minimizzano non solo la diffusione fisica dell'incendio, ma anche la più ampia interruzione sociale ed economica.

Gli autori sottolineano che, mentre i metodi tradizionali spesso si basano su ipotesi statiche o di incendio singolo, il loro approccio cattura la natura dinamica e interdipendente delle moderne emergenze legate agli incendi boschivi. Le conclusioni suggeriscono che la prioritizzazione strategica — in particolare il dispiegamento precoce di asset aerei e la ri-allocazione dinamica delle risorse man mano che gli incendi si fondono — è essenziale per una gestione efficace delle emergenze. Il documento conclude che la simulazione predittiva combinata con l'ottimizzazione è un avanzamento vitale per la pianificazione del contenimento dinamico degli incendi boschivi in condizioni mutevoli.