В ЮФУ создали ИИ-систему для принятия решений об эвакуации при ЧС

Вместе с коллегами Евгения Герасименко занимается темой чрезвычайных ситуаций достаточно давно.

— Моя диссертационная работа была посвящена решению задач перевозки людей оптимальным образом в нечетких условиях. Затем, примерно с 2019 года, мы начали создавать модели транспортировки пострадавших при эвакуации в рамках гранта от Российского фонда фундаментальных исследований (РФФИ), — поясняет она.

Позднее, в 2022 году, они с командой стали разрабатывать модели принятия решений при эвакуации при стихийных бедствиях и ЧС. Проект получил грант от Российского научного фонда (РНФ), а в 2025 году — выиграл в конкурсе.

— В его рамках мы продолжили заниматься темой, создавая более сложные модели. Они учитывают больше факторов внешней среды. Мы разрабатываем интегрированные системы прогнозирования масштабных ЧС на основе гибридных моделей машинного обучения и нечеткой логики, — поясняет Евгения.

Сначала был создан метод для поиска наилучшей стратегии эвакуации в условиях неопределенности. Было предложено пять вариантов: оставаться на месте, сохранять бдительность, рекомендовать мягкую, срочную или обычную эвакуацию. Стратегия учитывает различные аспекты чрезвычайной ситуации, например интенсивность осадков и шторма, близость к жителям, степень индивидуальной готовности, особенности движения, а также исторические риски, связанные с этим районом города, говорит Евгения. — Потом создали систему раннего предупреждения чрезвычайных ситуаций, интегрированную с платформами группового принятия решений. Она позволяет формировать прогноз развития ЧС, количественно оценивать степень его надежности и передавать результаты экспертам для выработки коллективного решения, — рассказывает собеседница. Также была создана модель, объединяющая рекуррентную нейронную сеть для анализа временных рядов и нечеткую логическую систему для формализации экспертных знаний.

После этого они с командой сделали модульную программную подсистему на языке Python, провели серию экспериментов. Это позволило снизить ошибку прогноза на 26-40%.

По словам Евгении, над основным проектом РНФ работает 8 человек. А конкретно над созданием системы ИИ для принятия решений об эвакуации при тайфунах и наводнениях трудились также китайские коллеги. Для проверки алгоритма ученые выбрали супертайфун «Мария», который обрушился на провинцию Цзянси в 2018 году и привел к эвакуации более полумиллиона человек. Коллеги из Китая предоставили экспертные оценки по всем критериям для выбора наилучшей эвакуационной стратегии.

В целом же вычислительные эксперименты проводились на данных метеорологических наблюдений, сенсорных сетей и исторических записей о ЧС. Разработка сейчас находится на стадии внедрения. Ученые хотят ее интегрировать с системой МЧС России и региональными центрами управления в кризисных ситуациях. А также с научными и технологическими организациями, которые ведут разработки в области искусственного интеллекта, ситуационной аналитики и интеллектуальных систем поддержки принятия решений.

— Алгоритмы были протестированы в рамках вычислительного эксперимента на более чем 44 000 записей. Рассматривались метеорологические наблюдения, сенсорные данные инфраструктуры, параметры техногенной нагрузки, мониторинг окружающей среды, исторические сведения о ЧС. Мы провели перекрестную проверку для оценки устойчивости модели вместе с серией экспериментов с различными сценариями. Все эти тесты позволили оценить эффективность разработки, — отмечает Евгения.

Преимуществом их с командой системы Евгения называет возможность учета различных типов неопределенности, неполноты знаний, сомнений и колебаний экспертов при оценке эвакуационных альтернатив, что позволяет принимать эффективные решения в сложных и изменчивых условиях.

— Основные вызовы и сложности заключались в работе с размытыми и нечеткими параметрами, характерными для чрезвычайных ситуаций, а также обработка неполных или противоречивых данных. Кроме того, были трудности с моделированием и координацией экспертов. А именно — объединение мнений специалистов разных профилей, учет различных уровней компетентности, — говорит Евгения. Экспертами выступают, например, метеорологи и логисты. Система способна обрабатывать мнения от 5 до 20 специалистов.

Также из-за динамичности ситуации возникала необходимость в оперативном пересмотре решений и адаптации плана эвакуации в реальном времени.

— В дальнейшем мы планируем создать информационную систему поддержки принятия решений в условиях ЧС. Она будет объединять в едином программном интерфейсе модели кластеризации больших групп экспертов, гибридные алгоритмы консенсусного голосования, эвакуационное моделирование транспортных сетей и прогнозирование чрезвычайных ситуаций. Также хотим разработать программно-алгоритмический комплекс поддержки принятия решений при ЧС, который можно интегрировать в существующие системы управления территориальных органов МЧС, — заключила Евгения.

Разработка ученых ЮФУ — это пример того, как современный искусственный интеллект может не просто анализировать большие данные, а работать там, где данных почти нет, спасая время, ресурсы и человеческие жизни. Результаты исследования были опубликованы в журнале Scientific Reports (издательство Nature Portfolio).

Дублировано из тематического раздела газеты «Город N» «Креативный ИИ на Дону».

Партнер проекта ПАО КБ «Центр-инвест». Реклама, erid: 2VSb5xEpUWW