Ispirato dagli stessi modelli e leggi matematiche utilizzate per prevedere la diffusione delle pandemie, i ricercatori della Texas A&M University hanno creato un modello per prevedere con precisione il processo di diffusione e recessione delle acque alluvionali nelle reti stradali urbane. Con questo nuovo approccio, i ricercatori hanno creato un approccio matematico semplice e potente a un problema complesso.

"Siamo stati ispirati dal fatto che la diffusione di epidemie e pandemie nelle comunità è stata studiata da persone nelle scienze della salute, nell'epidemiologia e in altri campi, e hanno individuato alcuni principi e regole che governano il processo di diffusione in reti sociali complesse, " ha detto il dottor Ali Mostafavi, professore associato presso il Dipartimento Zachry di Ingegneria Civile e Ambientale. "Quindi ci chiediamo, questi processi di diffusione sono gli stessi per la diffusione delle inondazioni nelle città? Lo abbiamo testato, e sorprendentemente, abbiamo scoperto che la risposta è sì."

I risultati di questo studio sono stati recentemente pubblicati in Rapporti scientifici sulla natura .

Il modello del contagio, Susceptible-Exposed-Infected-Recuperato (SEIR), viene utilizzato per modellare matematicamente la diffusione delle malattie infettive. In relazione alle inondazioni, Mostafavi e il suo team hanno integrato il modello SEIR con il processo di diffusione della rete in cui la probabilità di allagamento di un tratto stradale dipende dal grado di allagamento dei tratti stradali vicini.

Nel contesto delle inondazioni, suscettibile è una strada che può essere allagata perché si trova in una pianura alluvionale; esposta è una strada che ha allagamento a causa di acqua piovana o tracimazione da un vicino canale; infetta è una strada che è allagata e non può essere utilizzata; e recuperata è una strada dove l'acqua si è ritirata.

Il team di ricerca ha verificato l'uso del modello con dati storici ad alta risoluzione delle inondazioni stradali nella contea di Harris durante l'uragano Harvey nel 2017. I risultati mostrano che il modello può monitorare e prevedere l'evoluzione delle strade allagate nel tempo.

"Il potere di questo approccio è che offre un approccio matematico semplice e potente e offre un grande potenziale per supportare i gestori delle emergenze, funzionari pubblici, residenti, i primi soccorritori e altri decisori per la previsione delle inondazioni nelle reti stradali, "Ha detto Mostafavi.

Il modello proposto può raggiungere una discreta precisione e richiamo per la diffusione spaziale delle strade allagate.

"Se guardi al sistema di monitoraggio delle inondazioni della contea di Harris, può mostrarti se un canale sta traboccando ora, ma non sono in grado di prevedere nulla delle prossime quattro ore o delle prossime otto ore. Anche, i sistemi di monitoraggio delle alluvioni esistenti forniscono informazioni limitate sulla propagazione delle alluvioni nelle reti stradali e sugli impatti sulla mobilità urbana. Ma i nostri modelli, e questo modello specifico per le reti stradali, è robusto nel prevedere la futura diffusione delle inondazioni, " ha detto. "Oltre alla previsione delle inondazioni nelle reti urbane, i risultati di questo studio forniscono approfondimenti molto importanti sull'universalità dei processi di diffusione della rete attraverso vari social, naturale, sistemi fisici e ingegnerizzati; questo è significativo per una migliore modellazione e gestione delle città, come sistemi complessi."

L'unica limitazione a questo modello di previsione delle inondazioni è che non è in grado di identificare dove inizierà l'inondazione iniziale, ma Mostafavi ha affermato che esistono altri meccanismi in atto, come i sensori sugli indicatori di alluvione, che possono risolvere questo problema.

"Non appena si registrano allagamenti in queste aree, possiamo usare il nostro modello, che è molto semplice rispetto ai modelli idraulici e idrologici, per prevedere la propagazione dell'inondazione nelle ore future. La previsione delle inondazioni stradali e delle interruzioni della mobilità è fondamentale per informare i residenti di evitare strade ad alto rischio e per consentire ai gestori delle emergenze e ai soccorritori di ottimizzare i soccorsi e i soccorsi nelle aree colpite sulla base delle informazioni previste sull'accesso stradale e sulla mobilità. Questa previsione potrebbe essere la differenza tra la vita e la morte durante la risposta alla crisi, " Egli ha detto.

Il dottorando in ingegneria civile e assistente di ricerca laureato Chao Fan ha guidato l'analisi e la modellazione dei dati dell'uragano Harvey, insieme a Xiangqi (Alex) Jiang, uno studente laureato in informatica, che lavora nell'UrbanResilience.AI Lab di Mostafavi.

"Facendo questa ricerca, Mi rendo conto del potere dei modelli matematici nell'affrontare problemi di ingegneria e sfide del mondo reale.

Questa ricerca amplia le mie capacità di ricerca e avrà un impatto a lungo termine sulla mia carriera, " Fan ha detto. "Inoltre, Sono anche molto entusiasta che la mia ricerca possa contribuire a ridurre gli impatti negativi dei disastri naturali sui servizi infrastrutturali".