Η σιδηροδρομική τραγωδία στα Τέμπη, που σημειώθηκε στις 28 Φεβρουαρίου 2023, αποτέλεσε μία από τις πιο φονικές συγκρούσεις τρένων στην ιστορία της Ελλάδας, με 57 νεκρούς.
Εκτός από την ανθρώπινη αμέλεια και τις ελλείψεις στο σύστημα ελέγχου των σιδηροδρομικών γραμμών, η έρευνα έφερε στο φως ένα νέο στοιχείο που πιθανώς επιδείνωσε την καταστροφή: η ύπαρξη αδήλωτου φορτίου εύφλεκτων ουσιών στο πρώτο βαγόνι της εμπορικής αμαξοστοιχίας.
Ένα σημαντικό μέρος της διερεύνησης της τραγωδίας ανατέθηκε στο Πανεπιστήμιο της Γάνδης στο Βέλγιο, το οποίο χρησιμοποίησε προηγμένες τεχνικές τεχνητής νοημοσύνης (ΑΙ) για την ανάλυση βίντεο, εικόνων και δεδομένων από τον τόπο του δυστυχήματος. Αυτή η ανάλυση αποκάλυψε κρίσιμες πληροφορίες σχετικά με την αλληλουχία των εκρήξεων, τη φύση των πυροχημικών αντιδράσεων και τις πιθανές επιπτώσεις της παρουσίας επικίνδυνων ουσιών.
Τεχνολογικές Προσεγγίσεις και Χρήση AI στη Διερεύνηση
Η έρευνα του Πανεπιστημίου της Γάνδης επικεντρώθηκε στη χρήση υπολογιστικών τεχνικών για την εξαγωγή κρίσιμων πληροφοριών από βίντεο και δείγματα του τόπου του δυστυχήματος. Παρόλο που δεν έχουν δημοσιευθεί πλήρεις λεπτομέρειες για το ακριβές μοντέλο AI που χρησιμοποιήθηκε, μπορούμε να κάνουμε τεκμηριωμένες υποθέσεις βασισμένες σε παρόμοιες εφαρμογές.
1. Επεξεργασία και Ανάλυση Βίντεο με AI
Η ανάλυση βίντεο αποτέλεσε μία από τις βασικές μεθόδους για τη διερεύνηση της έντασης και της φύσης της φωτιάς που προκλήθηκε από τη σύγκρουση. Για την επεξεργασία των οπτικών δεδομένων, πιθανώς χρησιμοποιήθηκαν οι εξής τεχνικές:
Ανίχνευση προτύπων (Pattern Recognition): Χρήση Convolutional Neural Networks (CNNs) για την ανάλυση της δυναμικής της έκρηξης και της εξάπλωσης της φωτιάς.
Χρονολογική παρακολούθηση έκρηξης (Time-Series Video Analysis): Καταγραφή της εξέλιξης της φωτιάς σε κάθε καρέ για την κατανόηση της διάρκειας και της εξάπλωσής της.
Θερμική ανάλυση εικόνας: Ανακατασκευή της θερμικής μεταβολής από τις καταγεγραμμένες εικόνες, προκειμένου να προσδιοριστούν οι ακριβείς χημικές αντιδράσεις.
2. Ανάλυση Υλικών και Εντοπισμός Εύφλεκτων Ουσιών
Η ανακάλυψη ότι το πρώτο βαγόνι της εμπορικής αμαξοστοιχίας μετέφερε 3,5 τόνους εύφλεκτων ουσιών, πιθανώς ξυλολίου και τολουολίου, έγινε μέσω ανάλυσης υπολειμμάτων από το σημείο της έκρηξης. Σε αυτό το στάδιο, AI-βασισμένες μέθοδοι πιθανότατα περιλάμβαναν:
Φασματοσκοπική ανάλυση δεδομένων (Spectral Analysis): AI αλγόριθμοι χρησιμοποιήθηκαν για την αναγνώριση των χημικών υπολειμμάτων που ανιχνεύτηκαν σε θραύσματα των βαγονιών και του εδάφους.
Μοντελοποίηση και προσομοίωση χημικών αντιδράσεων: Η χρήση AI-driven προσομοιώσεων (όπως Computational Fluid Dynamics - CFD) επέτρεψε την ανακατασκευή της έκρηξης και την επαλήθευση των πιθανών ουσιών που συμμετείχαν.
Machine Learning για πρόβλεψη συμπεριφοράς υλικών: Εκπαιδευμένα μοντέλα μηχανικής μάθησης (ML) αξιολόγησαν τη συμπεριφορά των πιθανών καυσίμων σε σύγκρουση υψηλής έντασης, προσομοιώνοντας σενάρια και συγκρίνοντας τα με το πραγματικό δυστύχημα.
3. Σύγκριση με Παρόμοιες Περιπτώσεις και Ανακατασκευή του Ατυχήματος
Η χρήση τεχνητής νοημοσύνης επέτρεψε επίσης τη σύγκριση του δυστυχήματος των Τεμπών με προηγούμενες περιπτώσεις συγκρούσεων τρένων που είχαν ως αποτέλεσμα εκρήξεις και εκτεταμένες φωτιές. Αυτή η ανάλυση μπορεί να έγινε μέσω:
Big Data Analytics: Χρήση AI για την επεξεργασία δεδομένων από παρόμοια σιδηροδρομικά ατυχήματα παγκοσμίως, με στόχο την αναγνώριση κοινών παραγόντων.
3D Ανακατασκευή μέσω AI-assisted Simulations: Προσομοίωση της σύγκρουσης και της εξάπλωσης της φωτιάς σε εικονικά μοντέλα, ώστε να κατανοηθεί η δυναμική των εκρήξεων.
Η Σημασία της AI στη Διερεύνηση Ατυχημάτων
Η χρήση της τεχνητής νοημοσύνης σε περιπτώσεις όπως το δυστύχημα των Τεμπών φέρνει επανάσταση στη διερεύνηση σιδηροδρομικών ατυχημάτων.
Αντί να βασιζόμαστε αποκλειστικά σε μαρτυρίες και φυσικές ενδείξεις, η ανάλυση μεγάλου όγκου δεδομένων μέσω AI μπορεί να αποκαλύψει λεπτομέρειες που διαφορετικά θα παρέμεναν άγνωστες.
Μερικά από τα βασικά πλεονεκτήματα της AI σε τέτοιες διερευνήσεις περιλαμβάνουν:
Ταχύτερη επεξεργασία δεδομένων από πολλαπλές πηγές (κάμερες ασφαλείας, αισθητήρες, καταγραφικά δεδομένων).
Ακριβέστερες προβλέψεις και ανακατασκευές μέσω προσομοιώσεων υψηλής ευκρίνειας.
Αυτοματοποίηση ανίχνευσης ανωμαλιών, όπως αδήλωτα φορτία ή μη φυσιολογική εξάπλωση φωτιάς.
Συμπεράσματα
Η έρευνα του Πανεπιστημίου της Γάνδης απέδειξε πως η τεχνητή νοημοσύνη μπορεί να παίξει κρίσιμο ρόλο στη διερεύνηση σιδηροδρομικών ατυχημάτων, αναλύοντας οπτικά και φυσικοχημικά δεδομένα με πρωτοφανή ακρίβεια.
Παρόλο που η πλήρης αναφορά της έρευνας θα δημοσιευθεί στις 27 Φεβρουαρίου 2025, τα πρώτα ευρήματα υποδεικνύουν ότι η χρήση AI βοήθησε στην αποκάλυψη κρίσιμων πληροφοριών που πιθανώς δεν θα είχαν αναγνωριστεί με παραδοσιακές μεθόδους.
Η τεχνολογία αυτή ανοίγει τον δρόμο για τη βελτίωση της ασφάλειας των μεταφορών, καθώς και την ενίσχυση των ερευνητικών πρακτικών που θα επιτρέψουν τη μείωση παρόμοιων τραγωδιών στο μέλλον.
Οι AI-driven προσεγγίσεις όχι μόνο παρέχουν σαφέστερη εικόνα των αιτιών των ατυχημάτων αλλά συμβάλλουν και στη δημιουργία πιο αυστηρών πρωτοκόλλων για την αποτροπή τους.
*Ακαδημαϊκά υπεύθυνος προγραμμάτων Ai στο Πανεπιστήμιο Αιγαίου
Όλες οι σημαντικές και έκτακτες ειδήσεις σήμερα
ΕΥΚΟΛΕΣ πιστοποιήσεις ΙΣΠΑΝΙΚΩΝ - ΙΤΑΛΙΚΩΝ για ΑΣΕΠ - Πάρτε τις ΑΜΕΣΑ
Παν.Πατρών: Tο 1ο στην Ελλάδα Πανεπιστημιακό Πιστοποιητικό Τεχνητής Νοημοσύνης για εκπαιδευτικούς
Πανεπιστήμιο Αιγαίου: Το κορυφαίο πρόγραμμα ειδικής αγωγής στην Ελλάδα - Αιτήσεις έως 3/02
ΕΛΜΕΠΑ: Το κορυφαίο πρόγραμμα Ειδικής Αγωγής στην Ελλάδα για διπλή μοριοδότηση
