breadcrumbs icon
Secteur public

Gestion des catastrophes

Modèle de prévision et d'impact des catastrophes et des urgences

Modèle de prévision et d'impact des catastrophes et des urgences

Pour:
Professionnels de la gestion des catastrophes au niveau national, Experts en adaptation au changement climatique, Agences gouvernementales, Communautés à risque
Problème adressé
Chaque fois qu'une catastrophe naturelle comme une inondation ou une vague de chaleur se produit, les avertissements et autres informations relatives aux risques peuvent être imprécis ou obsolètes. La plupart des informations relatives aux risques flottent actuellement à un niveau macro, couvrant des centaines de mètres carrés, et sont trop complexes pour être comprises par les personnes à risque. Il était nécessaire de localiser les données sur les risques au niveau du quartier pour soutenir le développement de la résilience à long terme dans les communautés les plus à risque. Leur vaste expérience de réaction à de nombreuses urgences et catastrophes sur le terrain doit être automatisée, mise à l'échelle et codée à l'aide d'une solution.
Description
Un modèle de pointe combinant des capacités d'IA et d'apprentissage automatique est développé pour planifier et réagir aux catastrophes avec plus de succès. Ce modèle prévoit des informations de risque hyper-locales pour les alertes précoces et l'intervention à l'aide de données historiques et de photos satellites. Le principe de base de l'approche est que la toiture d'une maison peut servir de substitut à son statut socio-économique. Ainsi, les capacités d'adaptation et de récupération d'une famille résidant dans une grande maison en béton et d'une famille vivant dans une maison temporaire en tôle seraient différentes. Les effets des destructions provoquées par une catastrophe sont sensiblement différents pour chacune de ces habitations lorsque deux d'entre elles sont présentes dans la même région. L'épine dorsale de ce système d'IA est la cartographie de ces données de matériau de toit sur l'imagerie satellite et d'autres facteurs spatiaux. La solution génère des données de risque hyper-localisées qui peuvent être utilisées par diverses parties prenantes dans la réponse aux catastrophes. Ces parties prenantes comprennent des experts en adaptation au changement climatique, des agences gouvernementales et des communautés à risque à l'échelle nationale. Il fournit aux gens des instructions précises sur la façon de protéger leurs maisons, leurs animaux de compagnie, leurs moyens de subsistance et leurs biens. L'évolutivité de la solution est un autre atout. Il peut répondre à une variété de catastrophes, y compris les tremblements de terre, les vagues de chaleur et les inondations.
perceive frame img
Voir - Image
understand frame img
Apprentissage automatique
act frame img
Aide à la décision - Prédire / Prévoir
Intéressé par le même projet ou un projet similaire ?
Soumettez une demande et obtenez une évaluation gratuite de votre projet.