शहरी खाद्य तैयारी में AI और स्मार्ट सेंसर की क्रांति

रिसर्चर यह पता लगा रहे हैं कि AI, इंटरनेट ऑफ़ थिंग्स (IoT) टेक्नोलॉजी और रियल-टाइम रिस्क कम्युनिकेशन सिस्टम, लोगों को आपदाओं के जानलेवा इमरजेंसी में बदलने से पहले खतरों को समझने में मदद करके बाढ़ की तैयारी को कैसे बेहतर बना सकते हैं।

इंजीनियरिंग प्रोसीडिंग्स में छपी "AI-बेस्ड फ्लड अर्ली वार्निंग एंड रिस्क कम्युनिकेशन सिस्टम" नाम की एक स्टडी में, लोगों के लिए एक बाढ़ अर्ली वार्निंग सिस्टम का प्रस्ताव है, जिसे "फ्लड लिटरेसी" को बेहतर बनाने और शहरी बाढ़ की घटनाओं के दौरान लोगों की सहनशक्ति को मज़बूत करने के लिए डिज़ाइन किया गया है। दक्षिणी इटली के ऐतिहासिक शहर मटेरा पर आधारित, यह स्टडी एक AI-ड्रिवन फ्लड मॉनिटरिंग और कम्युनिकेशन फ्रेमवर्क पेश करती है जो IoT-बेस्ड कैमरे, मशीन लर्निंग फ्लड मॉडलिंग और रियल-टाइम वार्निंग सिस्टम को मिलाकर लोगों को बाढ़ की गंभीरता को पहचानने, अपनी कमज़ोरी को समझने और समय पर बचाव के कदम उठाने में मदद करता है।

रिसर्चर रियल-टाइम मॉनिटरिंग के लिए AI, IoT कैमरे और फ्लड मॉडलिंग को मिलाते हैं

प्रस्तावित फ्लड अर्ली वार्निंग सिस्टम एक इंटीग्रेटेड फ्रेमवर्क के आस-पास बनाया गया है जो रियल-टाइम एनवायरनमेंटल मॉनिटरिंग को AI-ड्रिवन फ्लड प्रेडिक्शन मॉडल के साथ जोड़ता है। रिसर्चर बताते हैं कि यह सिस्टम IoT-कनेक्टेड कैमरों का इस्तेमाल करता है जो शहरी इलाकों में लगातार बारिश, पानी की गहराई और पानी की वेलोसिटी को मॉनिटर करने में सक्षम हैं। ये डिवाइस रियल टाइम में हाई-रिज़ॉल्यूशन मौसम और हाइड्रोलॉजिकल डेटा इकट्ठा करते हैं, जिससे अधिकारी और नागरिक बाढ़ के हालात को ट्रैक कर सकते हैं।

स्टडी के मुताबिक, AI टेक्नोलॉजी सिस्टम के ऑपरेशन के लिए बहुत ज़रूरी हैं क्योंकि वे आने वाले एनवायरनमेंटल डेटा को तेज़ी से समझने में मदद करती हैं। मॉनिटरिंग नेटवर्क में YOLO, या "यू ओनली लुक वन्स" पर आधारित ऑब्जेक्ट-डिटेक्शन एल्गोरिदम शामिल हैं, जो इमेज पहचानने के कामों में बहुत इस्तेमाल होने वाला एक रियल-टाइम कंप्यूटर विज़न मॉडल है। रिसर्चर्स ने दुनिया भर में बाढ़ की घटनाओं से इकट्ठा की गई डूबी हुई गाड़ियों की इमेज और दूसरे रिसर्च डेटासेट का इस्तेमाल करके मॉडल को ट्रेन किया।

यह सिस्टम बाढ़ के खतरे के लेवल को इस आधार पर बांटता है कि गाड़ियां पानी में कितनी गहराई तक डूबी हुई हैं, जिसमें सूखी स्थितियां से लेकर ऐसी स्थितियां शामिल हैं जहां पानी गाड़ी की खिड़कियों से ऊपर तक आ जाता है। रिसर्चर्स की रिपोर्ट है कि ट्रेन किए गए AI मॉडल ने टेस्टिंग के दौरान लगभग 70 परसेंट की एक्यूरेसी रेट हासिल की और कैमरा फीड से विज़ुअल एनालिसिस का इस्तेमाल करके शहरी बाढ़ की गहराई का तेज़ी से अनुमान लगा सकता है।

पानी की गहराई का अनुमान लगाने के अलावा, यह फ्रेमवर्क इमेज-बेस्ड पार्टिकल वेलोसिमेट्री टेक्नीक का इस्तेमाल करके बाढ़ के पानी की सतह की वेलोसिटी का भी एनालिसिस करता है। रिसर्चर्स ने Fudaa-LSPIV नाम के एक तरीके का इस्तेमाल किया, जो पिछले शहरी अचानक आई बाढ़ की घटनाओं के दौरान नागरिकों द्वारा रिकॉर्ड किए गए बाढ़ के वीडियो और तस्वीरों से पानी के बहाव की वेलोसिटी का अनुमान लगाता है। स्टडी बताती है कि यह तरीका बाढ़ सिस्टम को रियल-टाइम खतरे के आकलन में क्राउडसोर्स्ड विज़ुअल डेटा को शामिल करने की अनुमति देता है।

यह रिसर्च फ़िज़िक्स-बेस्ड हाइड्रोलॉजिकल मॉडल से बने आउटपुट पर ट्रेन किए गए एक डीप कन्वोल्यूशनल न्यूरल नेटवर्क के ज़रिए AI-ड्रिवन बाढ़ सिनेरियो मॉडलिंग को और इंटीग्रेट करता है। रिसर्चर्स ने AI सिस्टम को ट्रेन करने के लिए 20 बहुत ज़्यादा बारिश के सिनेरियो का इस्तेमाल किया, जिसमें पुरानी बाढ़ और दो से 100 साल तक के रिटर्न पीरियड वाली सिंथेटिक घटनाएं शामिल हैं। इससे प्लेटफ़ॉर्म शहरी माहौल में पानी की गहराई, पानी की वेलोसिटी और पैदल चलने वालों के अस्थिरता के जोखिमों का अनुमान लगाने में सक्षम तेज़ी से बाढ़ का अनुमान लगा सकता है।

स्टडी के अनुसार, पुराने बाढ़ डेटा के साथ AI फोरकास्टिंग को इंटीग्रेट करने से नागरिकों को मौजूदा बाढ़ की स्थितियों को ज़्यादा असरदार तरीके से समझने में मदद मिलती है। निवासी मौजूदा बारिश और पानी के लेवल की तुलना पिछली बाढ़ की घटनाओं से कर सकते हैं ताकि यह बेहतर ढंग से समझ सकें कि स्थिति कितनी खतरनाक हो सकती है। रिसर्चर्स का तर्क है कि यह अनिश्चितता और कन्फ्यूजन को कम करके इमरजेंसी के दौरान फ़ैसले लेने में सुधार करता है।

रिसर्चर्स इस बात पर भी ज़ोर देते हैं कि IoT टेक्नोलॉजी बाढ़ मॉनिटरिंग सिस्टम को ज़्यादा स्केलेबल और कॉस्ट-इफेक्टिव बनाती हैं। फ्रेमवर्क में इस्तेमाल होने वाले डिवाइस को कम लागत वाले सिस्टम के तौर पर बताया गया है, जिनमें मज़बूत कनेक्टिविटी होती है और जो बड़ी मात्रा में मौसम संबंधी डेटा को तेज़ी से और अच्छे से इकट्ठा कर सकते हैं। इससे AI से चलने वाले बाढ़ चेतावनी सिस्टम छोटे शहरों और बढ़ते क्लाइमेट रिस्क का सामना कर रहे रिसोर्स की कमी वाले समुदायों के लिए ज़्यादा आसान हो सकते हैं।

बाढ़ की जानकारी नए चेतावनी सिस्टम के तरीके का सेंटर बन गई है

स्टडी का एक बड़ा फोकस "बाढ़ की जानकारी" का कॉन्सेप्ट है, जिसे रिसर्चर्स नागरिकों की बाढ़ के रिस्क को समझने, अपनी कमज़ोरी को पहचानने और इमरजेंसी के दौरान सही तरीके से जवाब देने की क्षमता के तौर पर बताते हैं। स्टडी का तर्क है कि पारंपरिक चेतावनी सिस्टम अक्सर इसलिए फेल हो जाते हैं क्योंकि वे आम अलर्ट पर निर्भर रहते हैं जो लोगों को प्रैक्टिकल, लोकल शब्दों में रिस्क को समझने में मदद नहीं करते हैं।

कई बाढ़ चेतावनी सिस्टम अनजाने में नागरिकों को इमरजेंसी ऑर्गनाइज़ेशन या बाढ़ से बचाव के इंफ्रास्ट्रक्चर पर बहुत ज़्यादा निर्भर होने के लिए प्रेरित करके पैसिव या नॉन-प्रोटेक्टिव व्यवहार को बढ़ावा देते हैं। इसके उलट, प्रस्तावित फ्रेमवर्क लोगों को रियल-टाइम जानकारी और विज़ुअल कम्युनिकेशन टूल्स के आधार पर रिस्क का एक्टिव रूप से आकलन करने और सोच-समझकर फैसले लेने में मदद करने की कोशिश करता है।

इसलिए, यह सिस्टम AI-बेस्ड फ्लड मैपिंग को सेल्फ-प्रोटेक्शन कम्युनिकेशन स्ट्रेटेजी के साथ जोड़ता है। जब पानी की गहराई या फ्लो वेलोसिटी पहले से तय लिमिट से ज़्यादा हो जाती है, तो प्लेटफॉर्म उन इलाकों की पहचान कर सकता है और कम्युनिकेट कर सकता है जहां पैदल चलने वालों के लिए अस्थिरता का खतरा बहुत ज़्यादा हो जाता है। यह सिस्टम सुरक्षित निकलने के रास्तों की पहचान करने, सड़क बंद करने को प्राथमिकता देने और गंभीर बाढ़ की घटनाओं के दौरान इमरजेंसी रिस्पॉन्स प्लानिंग में मदद करने में भी मदद कर सकता है।

रिसर्चर्स बताते हैं कि सिस्टम का एक मकसद आम लोगों के लिए तनावपूर्ण हालात में बाढ़ की चेतावनियों को जल्दी समझना आसान बनाना है। प्लेटफॉर्म में विज़ुअल सिंबल, चेतावनी के सिग्नल और बिहेवियरल गाइडेंस टूल शामिल हैं जो बाढ़ की घटनाओं से पहले, उसके दौरान और बाद में सही एक्शन के बारे में बताते हैं। ये कम्युनिकेशन एलिमेंट इमरजेंसी के दौरान कन्फ्यूजन को कम करने और पब्लिक रिस्पॉन्स एफिशिएंसी को बेहतर बनाने के लिए डिज़ाइन किए गए हैं।

बाढ़ से बचाव न केवल सरकारी एजेंसियों और इमरजेंसी सर्विस पर निर्भर करता है, बल्कि पब्लिक की तैयारी और बिहेवियरल अवेयरनेस पर भी निर्भर करता है। रिसर्चर्स का तर्क है कि अगर शहरों को अचानक आई बाढ़ के दौरान होने वाली मौतों और नुकसान को कम करना है, तो लोगों को खतरे के सिग्नल पहचानने, पर्यावरण की स्थितियों को समझने और सही बचाव के तरीके अपनाने में सक्षम होना चाहिए।

पेपर के अनुसार, AI-ड्रिवन फ्लड कम्युनिकेशन सिस्टम बहुत ज़्यादा टेक्निकल फ्लड फोरकास्ट और प्रैक्टिकल नागरिक समझ के बीच के अंतर को कम करने में भी मदद कर सकते हैं। पारंपरिक हाइड्रोलॉजिकल मॉडल अक्सर ऐसे आउटपुट देते हैं जिन्हें नॉन-एक्सपर्ट के लिए समझना मुश्किल होता है। मुश्किल एनवायरनमेंटल डेटा को लोकल इम्पैक्ट सिनेरियो और आसान वॉर्निंग इंडिकेटर में बदलकर, AI सिस्टम आपदा की तैयारी की कोशिशों में पब्लिक एंगेजमेंट को बेहतर बना सकते हैं।

खतरे की स्थितियों का रियल-टाइम कम्युनिकेशन इमरजेंसी रिस्पॉन्स को सिर्फ़ स्टैटिक प्री-इवेंट प्लानिंग सिनेरियो पर निर्भर रहने के बजाय ज़्यादा अडैप्टिव बनने में मदद करता है। शहरों में अचानक आने वाली बाढ़ के दौरान बाढ़ की स्थिति तेज़ी से बदल सकती है, जिससे असरदार रिस्क मैनेजमेंट के लिए लगातार अपडेट और डायनामिक कम्युनिकेशन ज़रूरी हो जाता है।

AI वॉर्निंग सिस्टम शहरों में बाढ़ से निपटने की क्षमता को बदल सकते हैं।

यह ध्यान देने वाली बात है कि इस प्लेटफॉर्म का मकसद ऑफिशियल इमरजेंसी सिस्टम को बदलना नहीं है, बल्कि बाढ़ की घटनाओं के दौरान लोगों की समझ और कम्युनिकेशन को बेहतर बनाकर उन्हें सपोर्ट करना है। अधिकारियों को सिस्टम की रियल-टाइम डेटा क्षमताओं से भी फायदा हो सकता है, खासकर बाढ़ के कम होने के स्टेज की मॉनिटरिंग करने और यह तय करने के लिए कि आपदाओं के बाद किन सड़कों और शहरी इलाकों को सुरक्षित रूप से फिर से खोला जा सकता है।

स्टडी में आगे बताया गया है कि AI-बेस्ड फ्लड सिस्टम शहरों को सिर्फ स्टैटिक हैज़र्ड सिनेरियो पर आधारित सख्त डिज़ास्टर रिस्पॉन्स मॉडल से दूर जाने में मदद कर सकते हैं। इसके बजाय, भविष्य के फ्लड मैनेजमेंट सिस्टम पूरी शहरी आबादी में रिज़िलियंस को बेहतर बनाने के लिए रियल-टाइम एनवायरनमेंटल मॉनिटरिंग, अडैप्टिव कम्युनिकेशन और प्रेडिक्टिव AI मॉडलिंग पर ज़्यादा निर्भर हो सकते हैं।

रिसर्चर्स बाढ़ की चेतावनी सिस्टम में बिहेवियरल साइंस को इंटीग्रेट करने पर भी ज़ोर देते हैं। नागरिक अक्सर बाढ़ के अलर्ट पर सही तरीके से रिस्पॉन्ड नहीं कर पाते हैं क्योंकि चेतावनियां अस्पष्ट, बहुत ज़्यादा टेक्निकल या स्थानीय हकीकत से इमोशनली अलग लग सकती हैं। पुरानी तुलनाओं और पर्सनलाइज़्ड रिस्क इंडिकेटर्स के ज़रिए चेतावनियों को कॉन्टेक्स्ट में रखकर, AI सिस्टम इमरजेंसी के दौरान लोगों का भरोसा और कम्प्लायंस बेहतर कर सकते हैं।

स्टडी में डिज़ास्टर मैनेजमेंट में लोगों के बनाए डेटा की बढ़ती भूमिका की ओर भी इशारा किया गया है। बाढ़ के दौरान लोगों द्वारा रिकॉर्ड किए गए वीडियो और इमेज अब सीधे AI-पावर्ड हैज़र्ड एनालिसिस और इमरजेंसी रिस्पॉन्स प्लानिंग में मदद कर सकते हैं। रिसर्चर्स का सुझाव है कि इंस्टीट्यूशनल मॉनिटरिंग सिस्टम को क्राउडसोर्स्ड एनवायरनमेंटल ऑब्ज़र्वेशन के साथ मिलाने से फोरकास्टिंग एक्यूरेसी और पब्लिक एंगेजमेंट दोनों में सुधार हो सकता है।