Inspirerad av samma modellerings- och matematiska lagar som används för att förutsäga spridningen av pandemier, forskare vid Texas A&M University har skapat en modell för att exakt prognostisera spridningen och recessionen av översvämningsvatten i stadsvägnät. Med detta nya tillvägagångssätt, forskare har skapat en enkel och kraftfull matematisk metod för ett komplext problem.

"Vi inspirerades av det faktum att spridningen av epidemier och pandemier i samhällen har studerats av människor inom hälsovetenskap och epidemiologi och andra områden, och de har identifierat några principer och regler som styr spridningsprocessen i komplexa sociala nätverk, "sade Dr. Ali Mostafavi, docent vid Zachrys institution för civil- och miljöteknik. "Så vi frågar oss själva, är dessa spridningsprocesser desamma för spridningen av översvämningar i städer? Vi testade det, och överraskande, vi fann att svaret är ja. "

Resultaten av denna studie publicerades nyligen i Naturvetenskapliga rapporter .

Smittsmodellen, Känslig-exponerad-infekterad-återställd (SEIR), används för att matematiskt modellera spridningen av infektionssjukdomar. När det gäller översvämningar, Mostafavi och hans team integrerade SEIR -modellen med nätverksspridningsprocessen där sannolikheten för översvämning av ett vägsegment beror på i vilken grad de närliggande vägsegmenten översvämmas.

I samband med översvämningar, mottaglig är en väg som kan översvämmas eftersom den är i en översvämningsslätt; exponerad är en väg som har översvämningar på grund av regnvatten eller överflöde från en närliggande kanal; infekterad är en väg som är översvämmad och inte kan användas; och återhämtad är en väg där översvämningen har sjunkit.

Forskargruppen verifierade modellens användning med högupplösta historiska data om vägöverskott i Harris County under orkanen Harvey 2017. Resultaten visar att modellen kan övervaka och förutsäga utvecklingen av översvämmade vägar över tid.

"Kraften i detta tillvägagångssätt är att det erbjuder ett enkelt och kraftfullt matematiskt tillvägagångssätt och ger stor potential att stödja räddningschefer, offentliga tjänstemän, invånare, första respondenter och andra beslutsfattare för översvämningsprognoser i vägnät, "Sa Mostafavi.

Den föreslagna modellen kan uppnå anständig precision och återkallelse för de översvämmade vägarnas spatiala spridning.

"Om du tittar på översvämningssystemet i Harris County, det kan visa dig om en kanal är överfylld nu, men de kan inte förutse något om de kommande fyra timmarna eller de kommande åtta timmarna. Också, de befintliga översvämningssystemen ger begränsad information om spridningen av översvämningar i vägnät och effekterna på rörligheten i städerna. Men våra modeller, och denna specifika modell för vägnät, är robust på att förutsäga den framtida spridningen av översvämningar, "sa han." Förutom prognoser för översvämningar i stadsnätverk, resultaten av denna studie ger mycket viktiga insikter om nätverkets universalitet som sprider processer över olika sociala, naturlig, fysiska och konstruerade system; detta är viktigt för bättre modellering och hantering av städer, som komplexa system. "

Den enda begränsningen för denna översvämningsmodell är att den inte kan identifiera var den första översvämningen kommer att börja, men Mostafavi sa att det finns andra mekanismer på plats, såsom sensorer på översvämningsmätare som kan hantera detta.

"Så snart översvämningar rapporteras i dessa områden, vi kan använda vår modell, vilket är mycket enkelt jämfört med hydrauliska och hydrologiska modeller, att förutsäga översvämningens utbredning under kommande timmar. Prognosen för översvämningar av vägar och rörlighetsstörningar är avgörande för att informera invånarna om att undvika högriskvägar och för att möjliggöra för beredskapshanterare och räddningspersonal att optimera avlastning och räddning i påverkade områden baserat på förutspådd information om vägåtkomst och rörlighet. Denna prognos kan vara skillnaden mellan liv och död under krisåtgärder, " han sa.

Civilingenjörs doktorand och forskarassistent Chao Fan ledde analysen och modelleringen av orkanen Harvey -data, tillsammans med Xiangqi (Alex) Jiang, en doktorand i datavetenskap, som arbetar i Mostafavis UrbanResilience.AI Lab.

"Genom att göra denna forskning, Jag inser kraften i matematiska modeller när det gäller att hantera tekniska problem och verkliga utmaningar.

Denna forskning utökar min forskningskapacitet och kommer att ha en långsiktig inverkan på min karriär, "Fan sa." Dessutom, Jag är också mycket upphetsad över att min forskning kan bidra till att minska de negativa effekterna av naturkatastrofer på infrastrukturtjänster. "