Inspirándose en los mismos modelos y leyes matemáticas que se utilizan para predecir la propagación de pandemias, Los investigadores de la Universidad de Texas A&M han creado un modelo para pronosticar con precisión el proceso de propagación y recesión de las inundaciones en las redes de carreteras urbanas. Con este nuevo enfoque, Los investigadores han creado un enfoque matemático simple y poderoso para un problema complejo.

"Nos inspiró el hecho de que la propagación de epidemias y pandemias en las comunidades haya sido estudiada por personas en ciencias de la salud y epidemiología y otros campos, y han identificado algunos principios y reglas que rigen el proceso de difusión en redes sociales complejas, "dijo el Dr. Ali Mostafavi, profesor asociado en el Departamento de Ingeniería Civil y Ambiental de Zachry. "Entonces nos preguntamos, ¿Son estos procesos de propagación los mismos para la propagación de inundaciones en las ciudades? Probamos eso, y sorprendentemente encontramos que la respuesta es sí ".

Los hallazgos de este estudio se publicaron recientemente en Informes científicos de la naturaleza .

El modelo de contagio, Susceptible-Expuesto-Infectado-Recuperado (SEIR), se utiliza para modelar matemáticamente la propagación de enfermedades infecciosas. En relación con las inundaciones, Mostafavi y su equipo integraron el modelo SEIR con el proceso de distribución de la red en el que la probabilidad de inundación de un tramo de carretera depende del grado de inundación de los tramos de carretera cercanos.

En el contexto de las inundaciones, susceptible es un camino que puede inundarse porque se encuentra en una llanura aluvial; expuesto es un camino que tiene inundaciones debido a agua de lluvia o desbordamiento de un canal cercano; infectado es un camino que está inundado y no se puede utilizar; y recuperado es un camino donde el agua de la inundación ha retrocedido.

El equipo de investigación verificó el uso del modelo con datos históricos de alta resolución de las inundaciones de carreteras en el condado de Harris durante el huracán Harvey en 2017. Los resultados muestran que el modelo puede monitorear y predecir la evolución de las carreteras inundadas a lo largo del tiempo.

"El poder de este enfoque es que ofrece un enfoque matemático simple y poderoso y proporciona un gran potencial para ayudar a los administradores de emergencias, funcionarios públicos, residentes, socorristas y otros tomadores de decisiones para el pronóstico de inundaciones en redes de carreteras, ", Dijo Mostafavi.

El modelo propuesto puede lograr una precisión y una recuperación decentes para la extensión espacial de las carreteras inundadas.

"Si observa el sistema de monitoreo de inundaciones del condado de Harris, puede mostrarte si un canal se está desbordando ahora, pero no pueden predecir nada sobre las próximas cuatro horas o las próximas ocho horas. También, Los sistemas de monitoreo de inundaciones existentes brindan información limitada sobre la propagación de inundaciones en las redes de carreteras y los impactos en la movilidad urbana. Pero nuestros modelos, y este modelo específico para las redes de carreteras, es robusto para predecir la futura propagación de las inundaciones, ", dijo." Además de la predicción de inundaciones en las redes urbanas, Los hallazgos de este estudio brindan información muy importante sobre la universalidad de los procesos de difusión de la red a través de diversas redes sociales, natural, sistemas físicos y de ingeniería; esto es importante para modelar y gestionar mejor las ciudades, como sistemas complejos ".

La única limitación de este modelo de predicción de inundaciones es que no puede identificar dónde comenzará la inundación inicial, pero Mostafavi dijo que hay otros mecanismos establecidos, como sensores en los medidores de inundación, que pueden abordar esto.

"Tan pronto como se notifiquen inundaciones en estas áreas, podemos usar nuestro modelo, que es muy simple en comparación con los modelos hidráulicos e hidrológicos, para predecir la propagación de la inundación en horas futuras. El pronóstico de inundaciones de carreteras e interrupciones de la movilidad es fundamental para informar a los residentes de que deben evitar las carreteras de alto riesgo y permitir que los administradores de emergencias y los socorristas optimicen el socorro y el rescate en las áreas impactadas en función de la información prevista sobre el acceso y la movilidad por carretera. Este pronóstico podría ser la diferencia entre la vida y la muerte durante la respuesta a una crisis, " él dijo.

El estudiante de doctorado en ingeniería civil y asistente de investigación de posgrado, Chao Fan, dirigió el análisis y el modelado de los datos del huracán Harvey. junto con Xiangqi (Alex) Jiang, un estudiante de posgrado en ciencias de la computación, que trabaja en UrbanResilience.AI Lab de Mostafavi.

"Al realizar esta investigación, Me doy cuenta del poder de los modelos matemáticos para abordar problemas de ingeniería y desafíos del mundo real.

Esta investigación amplía mis capacidades de investigación y tendrá un impacto a largo plazo en mi carrera. "Fan dijo". Además, También estoy muy emocionado de que mi investigación pueda contribuir a reducir los impactos negativos de los desastres naturales en los servicios de infraestructura ".