استخدم فريق من الباحثين من جامعتي بينجهامتون ونيويورك في الولايات المتحدة تقنيات التعلم العميق من أجل تحليل الإحصاءات الخاصة بالحوادث وأحداث الطوارئ، من أجل الوصول إلى أفضل السبل لخدمة المواطنين من خلال الاستغلال الأمثل لإمكانات خدمات الطوارئ.
واعتمدت الدراسة على قواعد بيانات تضم الحوادث والأحداث الطارئة التي وقعت في مدينة نيويورك على مدى عشر سنوات، وقامت بتصنيفها حسب نوعيتها مع احتساب الفترات التي استغرقتها خدمات الطوارئ في الوصول إلى موقع الحادث من لحظة الإبلاغ عن وقوعه.
ويقول الباحث أناند سيتهارام، وهو أحد المشاركين في التجربة إنه "من الممكن أن يقع أكثر من حادث في آن واحد" مضيفا أن "مجابهة هذه الحوادث سوف يستغرق وقتا طويلا نظرا لضرورة توزيع وحدات ومعدات ووسائل الطوارئ على أكثر من مكان".
وأوضح "نحن نستخدم منظومة الذكاء الصناعي للتنبؤ بما سوف يحدث في المستقبل" من أجل توجيه إمكانيات الطوارئ المتاحة بأفضل شكل ممكن".
ويعتقد فريق الدراسة التي أوردها الموقع الإلكتروني "فيز دوت أورج" المتخصص في التكنولوجيا أنه من الممكن استخدام المنظومة الجديدة في المدن الكبرى الأمريكية مثل لوس أنجلوس وشيكاغو على سبيل المثال، وربما في مجموعات مشتركة من المدن الصغيرة ذات السمات المتشابهة، من أجل تحليل المواقف الطارئة المختلفة والقيام بتنبؤات تساعد في توجيه وسائل الإغاثة بالشكل الصحيح.
ويقول سيتهارام: "لا بد أن نعرف أن كل مدينة لها سمات خاصة بها، فمدينة لوس أنجلوس مثلا تتعرض لحوادث أقل خلال فصل الشتاء، لأن الثلوج لا تتساقط عليها، ولكنها تتعرض لنوعيات أخرى من الحوادث".
وأشار إلى صعوبة التنبؤ بالأحداث الطارئة، مثل توقيت اندلاع حريق أو طبيعة هذا الحريق والمدى الذي سوف يصل إليه في المستقبل، مضيفا أن الحوادث غير الطارئة يسهل التنبؤ بها وعلاجها، موضحا "في حالة تعطل إشارة مرور على سبيل المثال، يتم إرسال فني متخصص، وهو يتولى علاج المشكلة".
