पिछले मार्च में, बुद्धिमान जियोटेक्सटाइल से मजबूत एक राजमार्ग तटबंध बिना किसी पूर्व चेतावनी के ढह गया, जिससे तीन लेन दब गईं और 72 घंटों के लिए सड़क पूरी तरह से बंद हो गई। जमीन में एम्बेडेड सेंसरों का एक नेटवर्क होने के बावजूद, निगरानी प्रणाली ने कोई अलर्ट जारी नहीं किया। फोटोग्रामेट्री और स्थिरता मॉडल के माध्यम से फोरेंसिक पुनर्निर्माण ने एक असुविधाजनक सच्चाई का खुलासा किया: एल्गोरिदम सामग्री के धीमी गति से रेंगने के प्रति अंधा था।
फोरेंसिक पुनर्निर्माण: हवाई फोटोग्रामेट्री और संख्यात्मक विश्लेषण 🛰️
फोरेंसिक टीम ने ड्रोन द्वारा ली गई 1,200 छवियों को संसाधित करने के लिए Pix4D का उपयोग किया, जिससे एक सघन बिंदु बादल और भूस्खलन का 3D मॉडल तैयार हुआ। इस मॉडल को तटबंध के ढहने से पहले की ज्यामिति और जियोटेक्सटाइल की सटीक स्थिति को फिर से बनाने के लिए Civil 3D में आयात किया गया। उस डेटा के साथ, सीमा संतुलन विधि का उपयोग करके GeoStudio (Slope Stability) में एक स्थिरता विश्लेषण किया गया। परिणामों से पता चला कि सुरक्षा कारक छह महीनों में धीरे-धीरे 1.5 से घटकर 1.05 हो गया, लेकिन निगरानी एल्गोरिदम ने विरूपण में केवल अचानक परिवर्तन का पता लगाया, क्रीप की प्रगतिशील बहाव को अनदेखा कर दिया। अंतिम विफलता तब हुई जब जियोटेक्सटाइल की कतरनी ताकत डिजाइन सीमा से 40% नीचे गिर गई।
सड़क बुनियादी ढांचे में प्रारंभिक चेतावनी के लिए सबक ⚠️
यह मामला दर्शाता है कि दीर्घकालिक प्रवृत्ति की व्याख्या करने वाले व्यवहार मॉडल के बिना सेंसर लगाना पर्याप्त नहीं है। विफलता सामग्री की नहीं, बल्कि उस सॉफ्टवेयर की थी जो इसकी निगरानी कर रहा था। भविष्य की आपदाओं से बचने के लिए, चेतावनी प्रणालियों में मशीन लर्निंग एल्गोरिदम शामिल होने चाहिए जो केवल निश्चित विस्थापन सीमाओं का नहीं, बल्कि धीमी क्रीप पैटर्न का पता लगाने के लिए प्रशिक्षित हों। GeoStudio में निरंतर निगरानी और पूर्वानुमान मॉडल का संयोजन एक घोषित त्रासदी को एक निर्धारित हस्तक्षेप में बदल सकता है।
पिछले मार्च के राजमार्ग ढहने जैसी त्रासदियों से बचने के लिए ढलान निगरानी प्रोटोकॉल में क्रीप प्रबंधन और बुद्धिमान जियोटेक्सटाइल में सेंसर की विश्वसनीयता के बारे में कौन से महत्वपूर्ण सबक शामिल किए जाने चाहिए?
(पी.एस.: आपदाओं का अनुकरण करना तब तक मजेदार है जब तक कंप्यूटर पिघल न जाए और आप ही आपदा न बन जाएं।)