×
×

تاب‌آوری شهری؛ از مقاوم‌سازی تا پیش‌بینی

  • کد نوشته: 5233
  • ۰۱ مهر ۱۴۰۵
  • ۰
  • نبض نیوز: تاب‌آوری شهری دیگر فقط به مقاوم‌سازی ساختمان‌ها، تأمین برق اضطراری و آمادگی در برابر زلزله و بحران محدود نمی‌شود. سادینا آبایی، رئیس کمیسیون فناوری اطلاعات و ارتباطات اتاق ایران، در همایش تخصصی «افزایش تاب‌آوری شهری با استفاده از ظرفیت‌های مترو» تأکید کرد که شهر تاب‌آور در عصر هوش مصنوعی، شهری است که «بهتر […]

    تاب‌آوری شهری؛ از مقاوم‌سازی تا پیش‌بینی
  • نبض نیوز: تاب‌آوری شهری دیگر فقط به مقاوم‌سازی ساختمان‌ها، تأمین برق اضطراری و آمادگی در برابر زلزله و بحران محدود نمی‌شود. سادینا آبایی، رئیس کمیسیون فناوری اطلاعات و ارتباطات اتاق ایران، در همایش تخصصی «افزایش تاب‌آوری شهری با استفاده از ظرفیت‌های مترو» تأکید کرد که شهر تاب‌آور در عصر هوش مصنوعی، شهری است که «بهتر و زودتر ببیند، سریع‌تر بفهمد، دقیق‌تر تصمیم بگیرد و سریع‌تر به شرایط عادی بازگردد».

    به گزارش نبض نیوز به نقل از روابط عمومی انجمن سازندگان و پیمانکاران مترو استان تهران؛ آبایی در این همایش با اشاره به تجربه شهرهایی مانند توکیو، سنگاپور و پکن گفت شبکه مترو می‌تواند فراتر از یک زیرساخت حمل‌ونقل، به یکی از مهم‌ترین شبکه‌های داده زنده شهر تبدیل شود؛ شبکه‌ای متشکل از دوربین‌ها، حسگرها، اطلاعات حرکت قطارها و داده‌های مربوط به جابه‌جایی و تجمع شهروندان.

    به گفته آبایی، تجربه توکیو نشان می‌دهد که تاب‌آوری مترو تنها با مقاوم‌سازی فیزیکی زیرساخت‌ها محقق نمی‌شود و شهرها به سمت استفاده از داده‌های لحظه‌ای، شبیه‌سازی و پیش‌بینی حرکت کرده‌اند. در سنگاپور نیز هوش مصنوعی، تحلیل ویدئو و «دوقلوی دیجیتال» برای تشخیص رخدادها و افزایش ایمنی شبکه مترو به کار گرفته شده است. در پژوهش‌های مربوط به متروی پکن نیز از دوقلوی دیجیتال و هوش مصنوعی برای پایش اختلالات، ارزیابی تاب‌آوری و حتی تعیین اولویت بازسازی شبکه پس از بحران استفاده می‌شود.

    آبایی سه تحول را در شکل‌گیری نسل جدید تاب‌آوری به هم پیوسته دانست: زیرساخت فیزیکی، زیرساخت دیجیتال و داده‌های لحظه‌ای، و هوش مصنوعی برای پیش‌بینی و تصمیم‌گیری. به اعتقاد او، ترکیب این سه می‌تواند به شکل‌گیری «زیرساخت هوشمند تاب‌آور» منجر شود.

    وی پیشنهاد کرد شبکه مترو تهران نیز به سمت ایجاد یک دوقلوی دیجیتال حرکت کند؛ مدلی که در آن ایستگاه‌ها، قطارها، تجهیزات، جمعیت، برق و ارتباطات به‌صورت لحظه‌ای بازنمایی شوند. در چنین مدلی، هوش مصنوعی می‌تواند خرابی‌ها را پیش‌بینی کند، افزایش غیرعادی تراکم جمعیت را تشخیص دهد، مسیرهای تخلیه را شبیه‌سازی کند، اثر تعطیلی یک ایستگاه بر کل شبکه را بسنجد و حتی مشخص کند در شرایط بحران، بازسازی کدام بخش باید در اولویت قرار گیرد.

    آبایی در پایان خواستار آن شد که تحول دیجیتال و هوش مصنوعی، به‌ویژه در حوزه ایجاد دیتاسنترها، به‌صورت واقعی در کنار شبکه متروی تهران دنبال شود.

    برچسب ها

    نوشته های مشابه

    دیدگاهتان را بنویسید

    نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *