Inspirado pela mesma modelagem e leis matemáticas usadas para prever a propagação de pandemias, pesquisadores da Texas A&M University criaram um modelo para prever com precisão o processo de propagação e recessão das águas das enchentes nas redes rodoviárias urbanas. Com esta nova abordagem, pesquisadores criaram uma abordagem matemática simples e poderosa para um problema complexo.

"Fomos inspirados pelo fato de que a propagação de epidemias e pandemias nas comunidades foi estudada por pessoas nas ciências da saúde e epidemiologia e outros campos, e eles identificaram alguns princípios e regras que regem o processo de propagação em redes sociais complexas, "disse o Dr. Ali Mostafavi, professor associado do Departamento de Engenharia Civil e Ambiental Zachry. "Então nos perguntamos, Esses processos de propagação são iguais para a propagação de inundações nas cidades? Nós testamos isso, e surpreendentemente, descobrimos que a resposta é sim. "

Os resultados deste estudo foram publicados recentemente em Nature Scientific Reports .

O modelo de contágio, Susceptível-exposto-infectado-recuperado (SEIR), é usado para modelar matematicamente a propagação de doenças infecciosas. Em relação a inundações, Mostafavi e sua equipe integraram o modelo SEIR com o processo de disseminação da rede no qual a probabilidade de inundação de um segmento de estrada depende do grau em que os segmentos de estrada próximos são inundados.

No contexto de enchentes, suscetível é uma estrada que pode ser inundada porque está em uma planície de inundação; exposta é uma estrada que tem inundações devido à água da chuva ou transbordamento de um canal próximo; infectado é uma estrada que está inundada e não pode ser usada; e recuperada é uma estrada onde a água da enchente baixou.

A equipe de pesquisa verificou o uso do modelo com dados históricos de alta resolução de inundações de estradas no condado de Harris durante o furacão Harvey em 2017. Os resultados mostram que o modelo pode monitorar e prever a evolução de estradas inundadas ao longo do tempo.

"O poder dessa abordagem é que ela oferece uma abordagem matemática simples e poderosa e oferece um grande potencial para apoiar os gerentes de emergência, funcionários públicos, moradores, socorristas e outros tomadores de decisão para previsão de enchentes em redes rodoviárias, "Mostafavi disse.

O modelo proposto pode atingir uma precisão e recuperação decentes para a propagação espacial das estradas inundadas.

"Se você olhar para o sistema de monitoramento de enchentes do Condado de Harris, pode mostrar se um canal está transbordando agora, mas eles não são capazes de prever nada sobre as próximas quatro horas ou as próximas oito horas. Também, os sistemas de monitoramento de enchentes existentes fornecem informações limitadas sobre a propagação das enchentes nas redes rodoviárias e os impactos na mobilidade urbana. Mas nossos modelos, e este modelo específico para as redes rodoviárias, é robusto em prever a propagação futura de inundações, "disse ele." Além da previsão de inundações nas redes urbanas, os resultados deste estudo fornecem insights muito importantes sobre a universalidade dos processos de disseminação da rede em várias redes sociais, natural, sistemas físicos e de engenharia; isso é significativo para uma melhor modelagem e gerenciamento de cidades, como sistemas complexos. "

A única limitação deste modelo de previsão de inundação é que ele não pode identificar onde a inundação inicial começará, mas Mostafavi disse que existem outros mecanismos em funcionamento, como sensores em medidores de inundação, que podem resolver isso.

“Assim que forem registradas inundações nessas áreas, podemos usar nosso modelo, que é muito simples em comparação com os modelos hidráulicos e hidrológicos, para prever a propagação da inundação nas horas futuras. A previsão de inundações nas estradas e interrupções na mobilidade é crítica para informar os residentes a evitar estradas de alto risco e para permitir que os gerentes de emergência e equipes de resposta otimizem o socorro e resgate em áreas impactadas com base nas informações previstas sobre o acesso às estradas e mobilidade. Essa previsão pode ser a diferença entre a vida e a morte durante a resposta à crise, " ele disse.

O estudante de doutorado em engenharia civil e assistente de pesquisa de pós-graduação Chao Fan liderou a análise e modelagem dos dados do furacão Harvey, junto com Xiangqi (Alex) Jiang, um estudante de graduação em ciência da computação, que trabalha no Laboratório UrbanResilience.AI de Mostafavi.

"Ao fazer esta pesquisa, Eu percebo o poder dos modelos matemáticos para lidar com problemas de engenharia e desafios do mundo real.

Esta pesquisa expande minhas capacidades de pesquisa e terá um impacto de longo prazo em minha carreira, "Fan disse." Além disso, Também estou muito animado com o fato de que minha pesquisa pode contribuir para reduzir os impactos negativos de desastres naturais sobre os serviços de infraestrutura. "