Quản lý sông ngòi ở Nhật Bản ngày càng trở nên quan trọng khi lượng mưa trở nên nghiêm trọng hơn do biến đổi khí hậu, đồng thời xảy ra những hạn chế về cơ sở hạ tầng và nhân sự Trước đây, việc vận hành chủ yếu do người phụ trách xác định dựa trên các giá trị quan trắc được từ máy đo mực nước và máy đo mưa Trong những năm gần đây, AI ngày càng được sử dụng nhiều hơn để tìm hiểu dữ liệu về lượng mưa, mực nước, tốc độ dòng chảy, lưu lượng đập, mực thủy triều, địa hình và các dữ liệu khác để dự đoán biến động mực nước từ hàng chục phút đến hàng giờ trước và trích xuất các dấu hiệu nguy hiểm từ cảnh quay giám sát Trong lĩnh vực quản lý sông ngòi, một vài phút thời gian có thể quyết định sự thành công hay thất bại của việc ban hành thông tin sơ tán và sắp xếp vật tư, thiết bị, vì vậy AI đang cố gắng đóng vai trò quan trọng trong việc tạo ra khoảng thời gian đó

Bộ Đất đai, Cơ sở hạ tầng, Giao thông và Du lịch sử dụng radar lượng mưa và mạng quan sát hiện có để cải thiện độ chính xác của dự đoán

Bộ Đất đai, Cơ sở hạ tầng, Giao thông và Du lịch đang tích cực nỗ lực cải thiện độ tinh vi của dự đoán mực nước bằng cách kết hợp mạng quan sát và AI, chủ yếu dành cho các sông cấp 1 Hệ thống quan sát lượng mưa ``XRAIN'' được sử dụng để cung cấp độ phân giải cao (đo lượng mưa trong khoảng cách 250m), tần số cao (đo một phút) và thông tin về lượng mưa theo thời gian thực cao trên hầu hết Nhật Bản Ngoài các hệ thống này, cơ sở hạ tầng dữ liệu nhiều lớp đã được phát triển, bao gồm máy đo mực nước sông, máy đo mưa, quan sát đập và quan sát mực thủy triều Khi kết hợp với AI, có thể dự đoán mực nước dâng trong thời gian ngắn

Bằng cách đưa ra các dự đoán có tính đến lượng mưa không chỉ ở dòng chính mà còn ở các nhánh và khu vực thượng nguồn, có thể nắm bắt được mực nước nguy hiểm tiếp cận sớm hơn trước, cho phép các cơ quan quản lý sông ngòi và chính quyền địa phương thực hiện hành động ban đầu sớm hơn Điều này sẽ cải thiện độ chính xác của dự đoán và tốc độ ra quyết định trong khi tận dụng các tài sản quan sát hiện có mà không cần thay thế bằng thiết bị mới Lưu lượng sơ bộ từ các đập và kế hoạch vận hành các trạm bơm thoát nước có thể được điều chỉnh không chỉ dựa trên mô hình lũ lụt trước đây mà còn dựa trên mô hình lượng mưa và sự khác biệt về thời gian trên toàn lưu vực, giúp dễ dàng chuyển từ hình dung đơn giản sang hình thức vận hành chủ động hơn

Mặt khác, để tận dụng tối đa AI trong quản lý sông quốc gia, cần phải có biện pháp an toàn dự phòng trong trường hợp mất quan sát Khi mưa lớn, mất điện, mất liên lạc, hỏng thiết bị do vật trôi nổi có thể xảy ra, vì vậy cần thiết kế hệ thống sử dụng mô hình vật lý và quy tắc thực nghiệm của nhân viên, thay vì sử dụng các giá trị dự đoán của AI làm cơ sở duy nhất để đưa ra quyết định Trong tương lai, cần phải kết nối dữ liệu từ tất cả các khu vực “kiểm soát lũ lưu vực”, bao gồm không chỉ sông mà cả hệ thống cống rãnh, hồ chứa và các công trình tưới tiêu nông nghiệp, để hiểu rõ hơn về nguy cơ lũ lụt một cách toàn diện

Hình 1 Chức năng chính của hệ thống quan trắc lượng mưa "XRAIN" được Bộ Đất đai, Cơ sở hạ tầng, Giao thông và Du lịch sử dụng (Nguồn: Trích từ tài liệu của Bộ Đất đai, Cơ sở hạ tầng, Giao thông và Du lịch)

Giám sát sông vừa và nhỏ ở Tokyo, yêu cầu đưa ra quyết định trong vài phút

Ở một đô thị như Tokyo, chỉ dự đoán mực nước sông là chưa đủ Các con sông đô thị của Tokyo, như sông Kanda và sông Meguro, có diện tích lưu vực tương đối nhỏ nên mực nước có xu hướng tăng nhanh trong thời gian ngắn có mưa lớn Vì lý do này, khó có thể mất nhiều thời gian dẫn đường như trên sông lớn và điều quan trọng là phải đưa ra quyết định ngay tại chỗ từ vài phút đến hơn mười phút Trong môi trường như vậy, điều đặc biệt cần thiết là sử dụng AI để phân tích cảnh quay của camera giám sát và nhanh chóng xác định các khu vực nguy hiểm bằng cách kết hợp các dự đoán thời gian thực về dữ liệu lượng mưa và mực nước

Ngoài ra, các thiệt hại thứ cấp xảy ra bên ngoài sông phải được xem xét đồng thời, chẳng hạn như ứ đọng xung quanh các trụ cầu, ngập lụt các đường hầm, nguy cơ ngập vào không gian ngầm và ảnh hưởng đến tuyến đường dành cho người đi bộ Do đó, các giải pháp AI không chỉ dành cho quản lý sông mà giá trị của chúng còn tăng lên khi được liên kết với bảng điều khiển và cơ sở hạ tầng thông báo có thể được chia sẻ bởi các sở phòng chống thiên tai, sở đường bộ, sở thoát nước và nhà điều hành giao thông Nếu vị trí mặt nước và dấu hiệu tràn có thể được trích xuất từ ​​video giám sát và người phụ trách có thể thu hẹp những bất thường tiềm ẩn mà không cần phải kiểm tra từng video tại chỗ thì việc xử lý các hoạt động với số lượng người ít vào ban đêm hoặc khi mưa lớn sẽ dễ dàng hơn

Có những khó khăn đặc biệt khi triển khai AI cho các dòng sông đô thị Có nhiều biến động không thể tiếp thu được chỉ bằng dữ liệu học tập, chẳng hạn như phân bố lượng mưa không đồng đều do gió xây dựng và mưa cục bộ, những thay đổi tạm thời về đường dòng chảy do công trình xây dựng và các biến thể trong cách diễn giải video do bóng của đê chắn sóng và cầu Hơn nữa, việc đánh giá thấp mối nguy hiểm sẽ dẫn đến sự chậm trễ trong việc sơ tán và tiếp tục đánh giá quá cao sẽ khiến người dân trở nên mệt mỏi vì thận trọng Vì lý do này, trong trường hợp mô hình đô thị Tokyo, ngoài độ chính xác của dự đoán, việc thiết kế các quy tắc vận hành, chẳng hạn như mực nước dâng nào được coi là “tín hiệu cần hành động”, là yếu tố then chốt quyết định hiệu quả thực hiện

Hình 2 Ví dụ về hệ thống giám sát sông vừa và nhỏ ở Tokyo do Chính quyền Thủ đô Tokyo vận hành (Nguồn: Trích từ "Hệ thống thông tin toàn diện về phòng chống thiên tai lũ lụt thủ đô Tokyo")

Giải pháp mực nước sông sử dụng camera AI biên trải rộng khắp các vùng nông thôn

Mặt khác, camera AI biên ngày càng được giới thiệu trong những năm gần đây như một giải pháp đo mực nước sông sử dụng AI Edge AI được trang bị AI trên thiết bị đầu cuối được gọi là thiết bị biên và sử dụng AI để thực hiện phân tích và phán đoán trong thiết bị đầu cuối đó Camera Edge AI phân tích hình ảnh tại chỗ và gửi dữ liệu và hình ảnh mực nước cần thiết để xác nhận lên đám mây Điều này làm giảm lượng liên lạc so với trường hợp video trực tiếp được truyền liên tục, dẫn đến giảm chi phí liên lạc và bảo vệ an ninh

Tại thành phố Hashimoto, tỉnh Wakayama, thành phố giàu nước với dòng sông cấp 1 Kinokawa chảy qua phía đông và phía tây, camera đã được lắp đặt tại 17 địa điểm trong thành phố (bao gồm 12 camera AI cạnh) nhằm đảm bảo an toàn cho nhân viên ra sông kiểm tra mực nước khi mưa lớn, đồng thời giảm bớt gánh nặng cho công việc giám sát Hình ảnh và dữ liệu mực nước được thu thập 5 phút một lần, tải lên đám mây và được giám sát tập trung tại phòng quản lý khủng hoảng Lúc này, camera AI biên sẽ ước tính mặt nước trong ảnh được chụp và phát hiện mực nước bằng cách đọc phần chồng lấp bằng thước ảo (tỷ lệ) cài sẵn Tất cả dữ liệu thu được sẽ được đăng cùng nhau trên hệ thống đám mây giám sát mà nhân viên phòng chống thiên tai có thể xem được và nếu mực nước vượt quá giá trị đã đặt, các quan chức thành phố sẽ được thông báo qua ``Thư Hashimoto Phòng chống Thiên tai''

Trong trường hợp của Thành phố Hashimoto, việc áp dụng hệ thống này đã giúp giảm 90% nhân lực cho công việc kiểm tra mực nước mà trước đây được thực hiện luân phiên Ngoài việc nâng cao hiệu quả, các giải pháp mực nước sông dựa trên AI dự kiến ​​sẽ phát triển thành hỗ trợ ra quyết định dựa trên lưu vực, tích hợp dữ liệu hành vi của người dân và mở rộng vai trò của chúng từ “hỗ trợ giám sát” sang “cơ sở chung cho các hoạt động phòng chống thiên tai” Điều mà các chính quyền sông ngòi cần là xây dựng các hệ thống khó bị phá vỡ trong trường hợp xảy ra thảm họa và có thể tiếp tục được sử dụng trên thực địa Điều sẽ trở nên quan trọng không chỉ là độ chính xác của các dự đoán mà còn ở mức độ mà việc sơ tán và các hoạt động có thể được thực hiện

Hình 3 Ví dụ về camera sông được lắp đặt trên sông cấp 1 "Kinokawa" chạy từ đông sang tây của Thành phố Hashimoto (Nguồn: Trích từ "Thông tin phòng chống thiên tai trên sông của Bộ Đất đai, Cơ sở hạ tầng, Giao thông và Du lịch")