7 نوامبر 2024 -توسط گرگ هاردستی و کیتلین داوسون، دانشگاه کالیفرنیای جنوبی-اعتبار: دامنه عمومی Pixabay/CC0
آتش سوزی سال 2023 در لاهاینا، هاوایی، که جان بیش از 100 نفر را گرفت و 6500 هکتار زمین را در سراسر مائوئی سوزاند، نمونه ای غم انگیز از این است که چگونه گسترش سریع آتش سوزی می تواند تلاش های واکنش موثر را غیرممکن کند و منجر به تلفات جانی و مالی شود.
اگر فناوری بتواند به مردم کمک کند آتشسوزیهای جنگلی را زودتر تشخیص دهند چه میشد؟ راه حل می تواند از قبل در جیب شما باشد: یک تلفن همراه.
محققان علوم کامپیوتر USC یک سیستم جمع سپاری جدید ایجاد کرده اند که به طور چشمگیری زمان نقشه برداری آتش سوزی را با استفاده از شبکه ای از تلفن های همراه ارزان قیمت که بر روی املاک در مناطق با خطر آتش سوزی بالا نصب شده اند، از ساعت به ثانیه کاهش می دهد. در شبیه سازی های کامپیوتری، سیستم FireLoc شعله های آتش را تا فاصله 3000 فوتی شناسایی کرد و با موفقیت آتش سوزی های بیابان را تا فاصله 180 فوتی منشاء آنها ترسیم کرد.
به گفته محققان، مقاله با عنوان FireLoc موقعیت جغرافیایی چندوجهی آتشسوزی با تأخیر کم که در ACM SenSys در 5 نوامبر ارائه شد، بهعنوان اثبات مفهومی عمل میکند. اما در دنیای واقعی چگونه عمل می کند؟
برای کاربر، ساده است. ساکنان و مشاغل نزدیک به مناطق پرخطر یک تلفن همراه مقرون به صرفه و ضد آب و هوا را در حیاط خلوت یا ساختمان خود نصب می کنند، آن را به منبع برق متصل می کنند و دوربین را به سمت درختان و زمین های مجاور می گیرند.
در پشت صحنه، مدلهای تحلیل چندوجهی پیچیده و بینایی کامپیوتری، دادههای جمعآوریشده از دوربینها و حسگرهای اصلی تلفن را پردازش میکنند تا به سرعت آتشسوزیهای جنگلی را، اغلب در عرض چند دقیقه، حتی چند ثانیه پس از احتراق، شناسایی کنند.
این سیستم با تمرکز بر مناطقی که کمترین فعالیت انسانی را دارند، حریم خصوصی را در اولویت قرار می دهد و در درجه اول تصاویری از پوشش گیاهی و طبیعت وحشی ثبت می کند. تکنیکهای محلیسازی شی اقتباسشده همچنین تضمین میکند که سیستم خطرات آتشسوزی را بدون ثبت سهواً تصاویر افراد یا خانهها به صفر میرساند.
برای افرادی که در حاشیه فضاهای باز زندگی و کار می کنند که به طور سنتی مملو از منابع سوخت خشک شده مانند چمن، درختچه ها و الوار هستند، چنین واکنش سریعی می تواند به معنای تفاوت بین مرگ و زندگی باشد – یا داشتن خانه یا از دست دادن آن.
در جنوب کالیفرنیا، این فناوری میتواند به عنوان الگویی برای بهترین محافظت از مردم و خانهها در مکانهای واسط زمین وحشی-شهری (WUI) مانند تپههای هالیوود، کوههای سانتا مونیکا و دره سن گابریل باشد. شیائو فو، نویسنده اصلی، دکترای علوم کامپیوتر، گفت: علاوه بر این، کل این مجموعه کمتر از 100 دلار هزینه خواهد داشت.
فو گفت FireLoc آینده ای را متصور است که در آن ما واکنش موثرتری در برابر آتش سوزی، ارائه پشتیبانی بهتر در WUI و همزیستی پایدارتر با آب و هوای شدید ارائه خواهیم داد.” این یک پله برای تلاشهای گستردهتر برای کاهش آتشسوزی در آینده است.»
این مقاله توسط Barath Raghavan، مشاور فو و استادیار علوم کامپیوتر، Peter Bereel، استاد مهندسی برق و کامپیوتر، و دانشجویان Yue Hu و Prashanth Sutrave نوشته شده است.
روشهای سنتی تشخیص آتشسوزی – مانند دیدهبانها، ماهوارهها و هواپیماهای بدون سرنشین – هر کدام دارای معایبی هستند، از جمله هزینههای بالا ، زمان پاسخ آهسته و عمر باتری محدود. در نتیجه، آتشنشانان اغلب برای شناسایی آتشسوزیهای جدید به مشاهدات انسانی وابسته هستند، که تعیین محل دقیق آتشسوزی را دشوار میکند.
فو با اشاره به آتش سوزی مرگبار 2018 کمپ در کالیفرنیای شمالی که منجر به کشته شدن 85 نفر شد، گفت: “این برای ادارات آتش نشانی، به ویژه در آتش سوزی هایی که به سرعت در حال توسعه هستند، مانند آتش در بهشت، بسیار طاقت فرسا است.”
این تیم اثربخشی ابزار نقشه برداری خود را با اجرای شبیه ساز بر اساس داده های Getty Fire در سال 2019 که 745 هکتار در لس آنجلس سوزانده بود، ارزیابی کردند. آنها با اتخاذ یک مدل سه بعدی در دنیای واقعی از زمین و شبیه سازی سناریوهای واقعی آتش سوزی، عملکرد کلی سیستم، از جمله توانایی آن در محلی سازی دقیق آتش سوزی های جنگلی و مقیاس پذیری آن را ارزیابی کردند.
هر دوربین طوری قرار داده شده بود که ارتفاع معمولی یک طبقه دوم مسکونی یا پشت بام را تقلید کند، تقریباً 30 فوت بالاتر از سطح زمین. نتایج واضح بود: با استفاده از FireLoc، محققان با موفقیت بیش از 40 درصد از آتشسوزیهای جنگلی در منطقه مورد نظر را تنها با چهار دوربین شناسایی کردند.
“شبیهساز به ما امکان میدهد تا آزمایشهای قوی محیطهای آتشسوزی را انجام دهیم. ما میتوانیم مقیاسپذیری را کنترل کنیم – مانند افزایش تعداد دوربینها – آیا دقت بهبود مییابد؟ آیا پوشش بهبود مییابد؟”
در حالی که اطلاعات مکان از دوربین ها فوق العاده مهم است، جمع سپاری نقشی به همان اندازه محوری دارد. این نرم افزار فقط به برق، اتصال به اینترنت و تلفن (در یک نگهدارنده ضد آب و هوا) نیاز دارد، مثلاً هر 30 ثانیه به طور خودکار عکس می گیرد.
“با توجه به چندین مکان ، سیستم قادر است بهترین مکان را برای تنظیم دوربین های اضافی برای نظارت بر آتش سوزی بهینه کند.هنگامی که چندین دوربین دود یا آتش احتمالی را تشخیص میدهند، آن اطلاعات را به یک سرور ابری منتقل میکنند که تصاویر متعدد را با استفاده از مدلهای ارتفاعی دیجیتال، تکنیکهای بینایی کامپیوتری و سایر ابزارهای پیچیده محاسباتی به هم پیوند میدهد.
رغوان گفت: این یک فرآیند پیچیده و حیاتی است، اما شما نیازی به تصاویر با کیفیت بالا ندارید. یک الگوریتم تعیین می کند که دوربین ها باید در کجا قرار گیرند تا پوشش بهینه شود.
رغوان گفت: “ما در حال ترکیب همه اطلاعات از تصاویر به گونه ای هستیم که مشکل را حل کند.” “این بخش راه حل مقاله ما است. اما ما همچنین مشکل را دوباره قالب بندی کردیم – یعنی چگونه می توانیم آتش سوزی ها را در سریع ترین زمان ممکن نقشه برداری کنیم؟ این مقاله هر دو را انجام می دهد: قالب بندی مجدد مشکل و ارائه راه حل.”
تا آنجا که محققان می دانند، این اولین سیستم جمع سپاری هوشمند و کم هزینه است که به طور خاص برای تشخیص آتش سوزی طراحی شده است.آزمایش این سیستم در شرایط واقعی، اعضای جامعه را ملزم میکند تا گوشیهای هوشمند را روی ویژگیهای خود نصب کنند تا به عنوان حسگر آتشسوزی عمل کنند. این تیم مطالعات مشارکتی آینده را برای درک نحوه تعامل مردم با این فناوری برنامه ریزی می کند. در صورت استقرار، آیا خود محققین به آن ملحق خواهند شد؟
برای فو، یک علاقهمند به فضای باز با عشق عمیق به طبیعت، این کار بیمعنی است.
فو که در مزرعه میوه خانواده اش در منطقه گرمسیری هاینان چین بزرگ شد، گفت: “تمام زندگی ام برای اتحادیه های سبز و رویدادهای محیطی کار کرده ام.” “حتی زمانی که به دلیل کار نمی توانم بیرون بروم، هنوز هم می توانم به عکس های درختان و پوشش گیاهی نگاه کنم و این باعث خوشحالی من می شود. امیدوارم این فناوری به محافظت از مناظر طبیعی ما در مواجهه با مشکلات تغییرات شدید آب و هوا کمک کند..”
