Katasztrófahelyzetekben egyszerre sérülhet a fizikai és a kommunikációs infrastruktúra: utak válhatnak járhatatlanná, megszakadhat a mobilkapcsolat, és a terep néhány óra alatt átformálódhat. A mentés hatékonysága ezért azon múlik, hogy milyen gyorsan és pontosan lehet megtudni, mely területek megközelíthetők, hol a legsúlyosabbak a károk, és hová kell elsőként segítséget küldeni.
Help.NGO légifelvételei és AWS-feldolgozás
A Help.NGO nemzetközi humanitárius szervezet drónokkal készített légifelvételekkel segíti a helyzet gyors felmérését. A szervezetet olyan bevetéseken használták, mint mexikói hurrikánok, az Amazonas térségének erdőtüzei, a törökországi földrengések és az ukrajnai háború. Egy-egy bevetés során akár több terabájtnyi képanyag keletkezhet; ezt a nagy mennyiségű adatot az Amazon Web Services (AWS) technológiájával dolgozzák fel gyorsan.
Az újdonság lényege, hogy gyenge vagy bizonytalan internetkapcsolat mellett is használható: privát 4G/5G hálózatok és helyben telepített AWS Outposts segítségével már a katasztrófa helyszínén megkezdődhet az adatok elemzése. A bevezetett AI-modellek a felvételeken képesek felismerni épületeket, utakat és egyéb tereptárgyakat, felmérni a károkat és támogatni a veszélyek előrejelzését. A cél, hogy a mentés irányítói napok helyett órák alatt jussanak használható információhoz.
HOT: hiányzó térképek pótlása önkéntesek és AI segítségével
A Humanitarian OpenStreetMap Team (HOT) a másik fontos szereplő: számos veszélyeztetett térségben ma sincsenek megfelelő digitális térképek, hiányozhatnak utak, épületek, kórházak vagy akár teljes települések az adatbázisokból. Ez a hiány komoly akadályt jelenthet a mentőcsapatok és a segélyszállítmányok célba juttatásában egy katasztrófa után.
A 2010-es haiti földrengés után létrejött Humanitarian OpenStreetMap Team azóta több mint 170 katasztrófahelyzetben segítette a térképezést. AWS-alapú rendszerük egy nemzetközi önkéntes közösség munkáját fogja össze, és mesterséges intelligencia felhasználásával drón- és műholdfelvételekből segít felismerni utakat, épületeket és más infrastruktúrát. Ennek köszönhetően a korábban rendkívül munkaigényes térképezési folyamat jelentősen felgyorsítható.
Mi a közös a példákban?
A bemutatott megoldásoknál nem elsősorban az adatmennyiség számít előnyként, hanem az, hogy az összegyűjtött nyers adatokból rövid idő alatt olyan, gyakorlatban hasznos információ készül, amely alapján a helyszínen azonnal lehet döntéseket hozni. A helyben történő feldolgozás, a privát kommunikációs hálózatok és az AI-alapú felismerés együttesen hozzájárulnak ahhoz, hogy a katasztrófa-mentés reagálási ideje órákra csökkenjen.
