Chạy đua công nghệ số trong chống thảm họa, thiên tai

Có phải chúng ta đang có cảm giác rằng thiên tai ngày càng tăng? Thật đáng sợ vì đây là sự thật. Trong 50 năm qua, tần suất các thảm họa thiên nhiên được ghi nhận tăng gần gấp năm lần. Năm 2017, chỉ riêng bão, động đất và cháy rừng gây thiệt hại 306 tỷ đô la trên toàn thế giới, gần gấp đôi con số năm 2016 là 188 tỷ đô la. Cũng trong năm này, Hội Chữ thập đỏ Hoa Kỳ đã thực hiện các hoạt động cứu trợ nhiều hơn so với bốn năm trước cộng lại, ứng phó với 242 thảm họa nghiêm trọng chỉ riêng ở nước này.

Các tổ chức, chính quyền địa phương từ cấp cơ sở đến cấp quốc gia ở khắp mọi nơi đang phải vật lộn để theo kịp với việc cập nhật phương pháp thực hành quản lý thiên tai. May mắn thay, nhờ cảm biến, thiết bị LoRa, công nghệ tần số radio không dây, hình ảnh vệ tinh và nhiều công cụ số hóa khác, khoa học dự đoán những gì sắp đến ngày càng trở nên tốt hơn.

IoT, AI, UAV và Chatbot - nhóm "cố vấn" đắc lực cho các nhà quản lý

Thiên tai do biến đổi khí hậu, thời tiết khắc nghiệt và cơ sở hạ tầng cũ kĩ nghèo nàn cùng rủi ro khác, đang là mối đe dọa thường trực đối với cộng đồng nhân loại. Để theo kịp tốc độ tăng dân số, thế giới cần thêm khoản 94 nghìn tỷ đô la cho đầu tư mới mà phần lớn trong số đó dành cho việc sửa chữa công trình đã xây dựng.

Cho dù là sửa chữa hay xây mới, những người thiết kế và thi công đã lên phương án đưa cảm biến và thiết bị IoT nhúng trong các công trình để giúp các các nhà chức trách, thứ nhất là có thể lập kế hoạch phát triển và có thể giám sát dữ liệu về đường, cầu, tòa nhà, lưới năng lượng và giao thông công cộng trong thời gian thực và thứ hai là đánh giá xem liệu cấu trúc có thể chịu được một sự kiện thời tiết sắp tới trong khi tiếp tục hoạt động bình thường hay không.

Cải thiện công tác lập kế hoạch và cứu trợ thông qua phân tích AI và học máy có thể giúp các nhà chức trách tinh chỉnh các chiến lược theo thời gian, trở nên thông minh hơn trong ứng phó. AI phân tích dữ liệu sự kiện cho các mô hình, xác định các khu vực và quần thể có nguy cơ và lập mô hình nhu cầu trong tương lai, dựa trên sự tăng trưởng, phát triển dân số và biến đổi khí hậu, cùng các biến số khác. Lãnh đạo chính phủ có thể sử dụng những hiểu biết này để đưa ra các chính sách giảm tác động của thiên tai đối với cộng đồng, chẳng hạn lập kế hoạch xây dựng tòa nhà mới ở những khu vực ít bị tổn thương hơn.

Các cơ quan chính phủ và địa phương cũng có thể áp dụng AI và máy học vào bộ dữ liệu IoT để dự đoán tác động của thảm họa, nhờ đó họ có thể xác định các tuyến đường sơ tán, các khu vực lũ lụt. Nhờ những thông tin quý giá này, các tổ chức có năng lực như Duke Energy có thể huy động 20.000 chuyên gia trên khắp Carolinas để ứng phó với bão Florence đổ bộ vào Mỹ năm 2018.

Ở Caribe, các nhóm quản lý thiên tai thực hiện giám sát mạng lưới IoT của các trạm thời tiết - một hệ thống cảnh báo sớm về bão và bão nhiệt đới và các cảm biến trên cây đối với điều kiện hạn hán làm tăng nguy cơ cháy rừng. SkyAlert, một hệ thống cảnh báo sớm ở Mexico sử dụng ứng dụng trên điện thoại di động, thiết bị độc lập và giải pháp IoT chạy trên Microsof Azure để cung cấp cảnh báo cho hàng triệu cư dân trong vòng hai phút trước khi động đất xảy ra, cho phép họ nhanh chóng di chuyển đến nơi an toàn.

Trong lúc cấp bách, công nghệ IoT có thể trợ giúp bằng cách liên tục cập nhật tuyến đường sơ tán nào không còn khả dụng và phương án vận chuyển nào đang hoạt động, để di chuyển cư dân nhanh hơn, an toàn hơn. Giả sử có hỏa hoạn trong một tòa nhà hoặc sân vận động, các hệ thống được IoT có thể giúp hướng các cá nhân đến tất cả các lối thoát đã được định sẵn, đồng thời cung cấp thông tin cập nhật về những điểm cần tránh.

72 giờ đầu tiên sau thảm họa là thời điểm rất quan trọng. Các đội xử lý khẩn cấp phải tìm kiếm những người sống sót và nhanh chóng thực hiện các phương án nghiệp vụ để giảm thiểu khủng hoảng môi trường như ô nhiễm hóa chất. AI và IoT làm nền tảng cho phần lớn dữ liệu tổng hợp và phân tích phản hồi ban đầu này, chẳng hạn như: hình ảnh vệ tinh và máy bay không người lái, dữ liệu cơ sở hạ tầng IoT, trò chuyện do AI hỗ trợ, dữ liệu truyền thông xã hội, bản đồ nhiệt trực tuyến. Tất cả thông tin này có thể giúp các đội cứu hộ xác định nhu cầu khẩn cấp, ưu tiên phản hồi và tránh nỗ lực lãng phí. AI nhanh chóng hiểu được dữ liệu khổng lồ hình thành nên từ những cuộc khủng hoảng và cũng có thể dự đoán các diễn biến trong tương lai, như dư chấn tiềm ẩn của một trận động đất hoặc lũ lụt bổ sung.

Công nghệ Azure Digital Twins - nền tảng IoT cho phép tạo ra các giải pháp kết nối IoT thế hệ tiếp theo mô hình hóa thế giới thực của Microsoft là một ví dụ mới về vấn đề an toàn công cộng và ứng phó khẩn cấp được đặt lên hàng đầu, thông qua việc cung cấp một đại diện ảo của không gian vật lý mô hình hóa các mối quan hệ giữa con người, địa điểm và thiết bị. Khi một bệnh viện bị cô lập do lũ lụt, nhóm cứu hộ có thể lập mô hình bố trí tòa nhà, xác định vị trí những bệnh nhân có nhu cầu khẩn cấp hơn, đánh giá mức độ thiệt hại của cơ sở hạ tầng, các phương tiện di chuyển trong bãi đậu xe có sẵn và lập kế hoạch sơ tán. Việc kết hợp dữ liệu IoT, tin nhắn trên mạng xã hội, thông tin liên lạc di động từ những người phản hồi đầu tiên và sự khám phá của robot trong các không gian eo hẹp và hiểm nguy cho phép công nghệ này cứu nhiều mạng người hơn với tốc độ thời gian nhanh hơn.

Microsoft cũng phát triển Azure Maps nhằm đáp ứng nhu cầu an toàn công cộng và ứng phó khẩn cấp. Bản đồ Azure áp dụng cho các dịch vụ giao thông cho phép hiển thị dữ liệu sự cố và luồng giao thông theo thời gian thực. Từ đó, nhóm ứng cứu có thể dễ dàng tìm thấy con đường nhanh nhất để giúp đỡ nhóm người gặp nạn.

Theo ước tính của Tổ chức Y tế thế giới, khoảng 160 triệu người bị ảnh hưởng do thiên tai và khoảng 90.000 người thiệt mạng hàng năm. Để giảm thiệt hại tối đa trong bối cảnh thiên tai không thể đoán trước, con đường truy cập dữ liệu thời gian thực sẽ giúp cho nhóm cứu hộ có thể tiếp cận nhanh nơi cần hỗ trợ khẩn cấp. Và hơn thế, họ cũng cần thêm cánh tay đắc lực là Chatbots - một sản phẩm do AI điều khiển.

Một trong những tính năng giá trị nhất của chatbot là cho phép các nhóm cứu hộ kiểm kê và tối ưu hàng tồn kho trong thời gian thực. Giả sử, nhân viên cứu hộ nói với chatbot "Đồ ăn cho trẻ em", chatbot sẽ hiển thị tất cả thông tin liên quan; hay khi được hỏi về gạo, lượng có sẵn ngay lập tức được hiển thị để giúp các đội cứu hộ lập kế hoạch và phân phối nguồn lực. Giải pháp như vậy, lý tưởng nhất là nên được lưu trữ trên đám mây để duy trì khả năng dự phòng trong cơ sở dữ liệu tập trung, cho phép trao đổi thông tin giữa các khu vực địa lý.

Nhờ chatbot, các đội cứu hộ quốc tế có thể giao tiếp bằng ngôn ngữ khu vực theo yêu cầu thông qua bộ chuyển ngữ thông minh. AI cũng có thể thu thập số lượng lớn các cuộc gọi gặp nạn và trợ giúp, phân tích giọng nói của người gọi để xác định mức độ khẩn cấp và theo đó ưu tiên cứu hộ. Chương trình Lương thực Thế giới (WFP) sử dụng chatbot để giao tiếp với người trong vùng bị nạn bằng 20 ngôn ngữ khác nhau. Chatbot AI cũng có thể hiển thị bản đồ chỉ báo mức độ nghiêm trọng theo địa lý cụ thể (bản đồ nhiệt) của khu vực bị thiên tai, giúp đội cứu hộ ưu tiên các nỗ lực và hướng nguồn lực đến các khu vực cần nhất. Bản đồ nhiệt "tư vấn" cho chính phủ ra quyết định nơi nào sẽ được cứu hộ.

Chatbot trên thiết bị di động sẽ ngày càng được sử dụng nhiều hơn trong công tác cứu trợ tương lai. Mô hình API thời tiết và máy học thậm chí có thể được tích hợp với bot để đưa ra dự báo thời tiết và thông tin hàng tồn kho tương ứng, nhờ đó các đội cứu hộ lập kế hoạch hoạt động giải cứu kịp thời. Phần tốt nhất của thuật toán AI và học máy là tận dụng phản hồi của con người cũng như dữ liệu từ các sự kiện thảm họa lịch sử và hiện tại, để liên tục học hỏi và cải thiện đề xuất, yêu cầu. Trong tương lai, IoT cũng có thể được thêm vào để hoàn thiện hơn công tác cứu hộ vì các thiết bị cảm biến IoT sẽ được nhúng trong các nhà kho khu vực xảy ra thảm họa, để chủ động các dự đoán về hàng tồn kho trong tương lai.

Đến lượt mình, máy bay không người lái (drone) sẽ phát huy hết tác dụng trong chống thiên tai. Tháng 3/2011, một trận động đất mạnh kéo theo sóng thần ập vào Nhật Bản, khiến nhà máy hạt nhân Fukushima Daiichi hư hại nặng và dẫn đến một cuộc sơ tán toàn diện vì lượng vật liệu hạt nhân nguy hiểm thoát ra. Máy bay không người lái đã được triển khai trên không và trên mặt đất ngay từ đầu để đánh giá mức độ tàn phá. Những phương tiện không người lái này có thể hỗ trợ giám sát phơi nhiễm phóng xạ, sửa chữa các khu vực bị phá hủy, xây dựng lại các công trình bị hư hỏng - tất cả là đểu giảm thiểu phơi nhiễm bụi phóng xạ hạt nhân cho các nhân viên cứu trợ. Sau trận động đất ở Nepal năm 2015, máy bay không người lái đã hỗ trợ tạo bản đồ và mô hình 3D thông qua phần mềm xử lý hình ảnh, đánh giá chuẩn xác hơn thiệt hại trên diện rộng, thực hiện các nhiệm vụ tìm kiếm và sơ tán, tái thiết các tòa nhà và bảo tồn các khu vực của thành phố.

Ở những khu vực gần như không thể tiếp cận, máy bay không người lái cung cấp nước và thực phẩm, thực hiện những phần việc có độ rủi ro, nguy hiểm cao. Đặc biệt là trong vai trò lính cứu hỏa, drone hoàn toàn có thể thay thế các đồng nghiệp thực hiện những nhiệm vụ khó khăn, tăng hiệu quả chiến đấu với hỏa hoạn, vận chuyển người và vật tư, duy trì liên lạc giữa trung tâm chỉ huy và nhân viên cứu hỏa trên mặt đất.

Những "cuộc đua" cấp bách

Năm 2004, cảm nhận được trận động đất, thấy thủy triều rút, biết rằng sóng thần sắp đến, cư dân Đảo Simeulue, ngoài khơi bờ biển phía Nam Sumatra, Indonesia nhanh chóng bỏ chạy đến vùng đất cao hơn. Trong thảm họa này, chỉ có 44 người Sumeulue thiệt mạng, may mắn hơn nhiều khi so sánh với con số khủng khiếp 170.000 người Acehnese và Minagkabay. Nhưng điều kỳ diệu trong thiên tai không dành cho số đông, trừ phi điều đó được nảy mầm từ mọi nỗ lực tối đa, trong đó có nỗ lực số hóa.

AI tận dụng dữ liệu không gian địa lý, cảm biến từ xa, hay hình ảnh nhận được từ các vệ tinh để phát hiện điều bất thường, lập bản đồ thiệt hại, nhận dạng hình ảnh để phát đi các tín hiệu khẩn cấp. Yves Barthélemy, Chuyên gia cao cấp về không gian địa lý và khả năng chống nạn của Ngân hàng Thế giới cho biết: việc hiểu và định lượng rủi ro thiên tai đòi hỏi dữ liệu không gian địa lý cập nhật chi tiết và có thể truy cập được mà các phương pháp thu thập đô thị truyền thống không thể. 

Để đánh giá rủi ro động đất một cách chính xác, cần phải biết người dân sống ở đâu và như thế nào, cùng với các thông tin về tòa nhà. Nhóm của Barthélemy đã bắt tay thực hiện một cuộc lập bản đồ máy bay không người lái lớn nhất thế giới ở Zanzibar - một hòn đảo của Tanzania, bằng sử dụng đội "phi công" máy bay không người lái địa phương. Kết quả cho biết thông tin chi tiết về tình trạng của các tòa nhà và tình trạng xây dựng của chúng, những yếu tố quan trọng trong việc tìm hiểu rủi ro động đất và lũ lụt.

Sella Nevo, Kỹ sư phần mềm cao cấp, lãnh đạo Sáng kiến Dự báo Lũ lụt của Google tin rằng công nghệ phải có khả năng mở rộng và bền vững về mặt tính toán để đạt được tác động nhất định. Để cảnh báo và dự báo lũ lụt ven sông, nhóm làm việc do ông phụ trách đã sử dụng các mô hình dựa trên LSTM (Bộ nhớ Ngắn hạn Dài), một kiến trúc mạng nơ ron chuyên dùng cho chuỗi thời gian để cung cấp kết quả có thể mở rộng hơn. "Có thể thực hiện được trên hàng trăm địa điểm chỉ với một cú nhấp chuột so với các mô hình cổ điển được hiệu chỉnh thủ công", Nevo cho biết.

Các nhà nghiên cứu tại Viện Tương lai Dữ liệu Monash, Úc đã sử dụng dữ liệu từ Vệ tinh Sentinel-2 của Cơ quan Vũ trụ châu Âu và phân tích hơn 4.300 hình ảnh để phát triển một bản đồ thực vật có độ phân giải cao của bang Victoria. Độ ẩm trong đất và nhiệt độ khí quyển là những nguyên nhân chính gây cháy rừng. Sử dụng cách phân loại theo chuỗi thời gian, các nhà khoa học đã dựng các mô hình và dữ liệu chú thích để hiểu rõ hơn về lớp phủ thực vật và cách đất đang được sử dụng cho các mục đích khác nhau. 

Bà Joana Batstone, Giám đốc Viện cho biết: "Những bản đồ này có tiềm năng hỗ trợ phòng chống cháy rừng, lập kế hoạch nông nghiệp, mô hình hóa lũ lụt, quản lý ô nhiễm và phục hồi".

2019 là một trong những năm tồi tệ nhất trong lịch sử Ấn Độ khi 13 bang ảnh hưởng bị lũ lụt, cũng là năm chứng kiến những trận mưa gió mùa lớn nhất tàn phá đất nước trong 25 năm qua, làm 1.600 người thiệt mạng cùng hàng triệu người mất nhà cửa và sinh kế. Ấn Độ đã sớm nhìn ra vai trò của công nghệ kỹ thuật số để nhanh chóng ngăn chặn cơn thịnh nộ của trời đất vốn "ưu ái" cho mảnh đất này lặp lại hàng năm.

Tại quốc gia tỷ dân, một số dự án và sáng kiến thí điểm do các bang khác nhau đưa ra có thể trở thành mô hình phù hợp để các bang khác noi theo. Google nhanh chóng nhập cuộc và đã thực hiện thành công dự án thí điểm Patna nhằm theo dõi lũ lụt ở Ấn Độ với sự hỗ trợ của AI, nhận được kết quả khả quan với độ chính xác hơn 90%. Dự án còn có sự trợ giúp của các cơ quan chính phủ thông qua cung cấp thông tin trên mặt đất từ các thiết bị đo tại chỗ và hình ảnh thu được từ vệ tinh của các khu vực dễ bị lũ lụt. Họ đã chạy hàng trăm nghìn mô phỏng trên các mô hình máy học (ML) để dự đoán dòng chảy của nước.

Odisha được hi vọng trở thành ngọn hải đăng của Ấn Độ trong cuộc chiến xoa dịu mẹ thiên tai khi trở thành bang đầu tiên cả nước triển khai Hệ thống phổ biến cảnh báo sớm (EWDS) nhằm thiết lập một hệ thống thông tin liên lạc an toàn, tích hợp công nghệ radio di động kỹ thuật số, hệ thống cảnh báo dựa trên vị trí, hệ thống còi báo động điều khiển từ xa và cổng kết nối đa năng, các thiết bị đầu cuối dữ liệu và thoại dựa trên vệ tinh cũng được kích hoạt để liên lạc khẩn cấp. Tất cả các bản tin và thông điệp cảnh báo về lốc xoáy được phổ biến cho lãnh đạo chủ chốt cấp nhà nước, giới truyền thông và các bên liên quan. Nhờ hệ thống cảnh báo sớm này, người cuối cùng ở góc xa nhất trong khu vực ven biển cũng có thể nhận được cảnh báo về một thảm họa sắp xảy ra trong vài phút.

Cơ quan giảm nhẹ thiên tai bang Odisha cũng đã phối hợp với Hệ thống Cảnh báo sớm nguy cơ tích hợp trong khu vực (RIMES) để phát triển một nền tảng dựa trên web và điện thoại thông minh có tên là SATARK nhằm cung cấp thông tin theo dõi, cảnh báo theo thời gian thực cho các mối nguy hiểm khác nhau như sóng nhiệt, sét, hạn hán, lũ lụt, rủi ro sóng thần, động đất, lốc xoáy, triều cường, tất cả phục vụ cho công tác quản lý thiên tai tốt hơn. 

Hệ thống chuyển các sản phẩm dự báo thời tiết chung thành các tư vấn hành động thân thiện với người dùng, dựa trên các ngưỡng được rút ra từ các mẫu lịch sử, để đảm bảo sẵn sàng ứng phó hiệu quả nhằm giảm thiểu rủi ro. Hệ thống sử dụng thuật toán học máy để tự học hỏi mỗi chu kỳ hoạt động theo mùa và cải thiện quy trình tư vấn theo mùa. Bằng cách biết các thông số được phơi bày, các nhà quản lý thiên tai có thể thực hiện các biện pháp sẵn sàng hiệu quả đối với rủi ro được dự báo trước và thực hiện các hoạt động ứng phó có kế hoạch sau thiên tai.

Mặc dù công nghệ không thể thay thế các nguồn lực quan trọng mà con người cần trong thảm họa - từ thức ăn, nước uống, nơi ở hoặc sự vỗ về từ những người thân yêu - nhưng lại đang tác động đột phá đến công cuộc xử lý khủng hoảng thiên tai và mở rộng đường cho công tác viện trợ quốc tế: một phương pháp có thể tiếp cận nhiều người hơn, nhanh hơn và giúp cộng đồng nhanh chóng giảm bớt đau thương, cấp bách tái thiết và ổn định cuộc sống./.

Tài liệu tham khảo:

[1]. https://azure.microsoft.com/cs-cz/blog/using-ai-and-iot-for-disaster-management/

[2]. https://www.wipro.com/holmes/artificial-intelligence-to-the-rescue-a-true-savior-in[1]disaster-management/

[3]. https://www.thejakartapost.com/academia/2020/10/13/disaster-risk-reduction-at-our[1]fingertips.html

[4]. https://www.itu.int/en/myitu/News/2020/10/20/14/54/AI-for-Good-Disaster-Risk[1]Reduction-artificial-intelligence

[5]. https://www.spglobal.com/marketintelligence/en/news-insights/blog/southeast-asian[1]broadband-providers-report-varying-performance-amid-covid19

[6]. https://www.expresscomputer.in/egov-watch/how-technology-can-help-india-cope-with[1]natural-disasters/43603

(Bài đăng ấn phẩm in Tạp chí TT&TT số 7 tháng 7/2021)

Ngô Ninh