Το βασικό ερευνητικό πρόβλημα του έργου συνίσταται στην πρόβλεψη κινδύνου πυρκαγιάς, σε επίπεδο επόμενης ημέρας, στοχεύει στην δημιουργία πληροφορίας που συμβάλλει στην αποτελεσματικότερη διαχείριση συμβάντων και εστιάζει, κατά προτεραιότητα, σε αστικές & περι-αστικές περιοχές λόγω της έντασης πληθυσμού, επενδύσεων & υποδομών σε αυτές.
Η παρέμβαση (PREFERRED)
Αναβαθμίζει την τρέχουσα επιστημονική και τεχνολογική στάθμιση σε τρεις κρίσιμους (για την διαχείριση συμβάντων) παράγοντες:
- Μεγάλη ανάλυση πληροφορίας; 0.5 Χ 0.5 km
- Βελτίωση εξειδίκευσης της πρόβλεψης; >50% (ευαισθησία >90%)
- Ευκολία στην πρόσβαση; ενδιάμεσα και τελικά αποτελέσματα
Αναπτύσσει βιομηχανική έρευνα & καινοτομία σε τέσσερις άξονες:
Επαναχρησιμοποίηση & στοχευμένη επέκταση υφιστάμενων ερευνητικών αποτελεσμάτων.
Βάση δεδομένων: >500 εκατομμύρια στιγμιότυπα (κελιά πλέγματος) για το σύνολο της Ελληνικής επικράτειας (ημερήσια δεδομένα, για περίοδο 11 ετών) με πληροφορία για την εμφάνιση ή μη πυρκαγιάς.
Πρωταρχικές μέθοδοι μηχανικής μάθησης αιχμής για πρόβλεψη κινδύνου πυρκαγιάς6 & προσέγγιση βελτιστοποιήσεων.
Μέθοδοι μηχανικής μάθησης για γεωχωρική ανάλυση.
Τεχνογνωσία ανάπτυξης πληροφοριακών συστημάτων για αποτελεσματική πρόσβαση χρηστών σε γεωχωρική πληροφορία & αποτελέσματα γεωχωρικών αναλύσεων.
Ανάπτυξη οδηγούμενη από απαιτήσεις & σενάρια χρήσης πραγματικού κόσμου.
Λειτουργικές ανάγκες χρηστών: Συνδυασμός της εμπειρίας των συμπραττόντων φορέων στην παροχή σχετικών Υπηρεσιών (Ελληνική Πυροσβεστική Υπηρεσία, COPERNICUS-EMS και COPERNICUS-EFFIS, κλπ.) και συλλογή απαιτήσεων (στα πλαίσια της έρευνας) δυνητικών χρηστών με εξειδικευμένη γνώση πεδίου.
Δεδομενοκεντρική ανάπτυξη μεθόδων. Εκτενής ανάλυση των δεδομένων του προβλήματος, καταδεικνύει κενά και ελλιπή αντιμετώπιση του προβλήματος:
(α) Σε ρεαλιστική βάση, η πρόβλεψη κινδύνου πυρκαγιάς αποτελεί ακραία ασύμμετρο πρόβλημα δυαδικής κατάταξης (η αναλογία περιοχών με / χωρίς πυρκαγιά στην Ελλάδα κυμαίνεται σε ~1/100.000). H προτεινόμενη έρευνα υιοθετεί και επεκτείνει Σιαμαία Δίκτυα για αναγνώριση ακροτάτων, σε συνδυασμό με εξειδικευμένες συναρτήσεις κόστους που στοχεύουν στην εκμάθηση χώρων κατανεμημένης αναπαράστασης για βέλτιστο διαχωρισμό στιγμιότυπων πυρκαγιών /μη πυρκαγιών.
(β) Τα στιγμιότυπα του προβλήματος (περιοχές) διακρίνονται από ισχυρές γεωχωρικές εξαρτήσεις. Για αυτό, υιοθετούνται συνελικτικά δίκτυα για σημασιολογική κατάτμηση (FCNs και U-Nets). Στη συγκεκριμένη κατεύθυνση, το πλέγμα περιοχών μίας επικράτειας αντιμετωπίζεται ως εικόνα, κάθε κελί-περιοχή ως εικονοστοιχείο και τα χαρακτηριστικά κάθε περιοχής ως κανάλια της εικόνας.
Ανάπτυξη Πλατφόρμας
Ανάπτυξη (ολοκληρωμένο περιβάλλον/IDE) & εφαρμογή βελτιστοποιήσεων (δείκτες απόδοσης). Αξιοποίηση σύγχρονων προτύπων προγραμματισμού & τεχνολογιών διαχείρισης δεδομένων μεγάλου όγκου για δημιουργία & εκτέλεση δυναμικών «γεγονότων» διάδρασης.