A ciência ao serviço da Proteção Civil: FCT NOVA, FCT Universidade de Coimbra e ANEPC aplicam Inteligência Artificial para analisar incêndios urbanos

A Faculdade de Ciências e Tecnologia da Universidade Nova de Lisboa (FCT NOVA), em conjunto com a Faculdade de Ciências e Tecnologia da Universidade de Coimbra, através dos seus centros de Investigação e a Autoridade Nacional de Emergência e Proteção Civil (ANEPC) apresentam amanhã, dia 6 de fevereiro, pelas 12h00, na sede da ANEPC, em Carnaxide, o projeto de investigação AI-4-MUFF, que tem como missão analisar o fenómeno dos incêndios urbanos através da inteligência artificial e metodologias da ciência dos dados.

O objetivo é desenvolver uma investigação sobre esta área e criar uma nova ferramenta que permita a gestão mais eficaz dos recursos da administração pública. 

O projeto sobre os incêndios urbanos liderado pela FCT NOVA, envolve as unidades de investigação do Departamento de Engenharia Mecânica e Industrial - UNIDEMI e o Centro de Matemática e Aplicações - CMA, da FCT da Universidade Nova, bem como o Instituto de Investigação e Desenvolvimento Tecnológico em Ciências da Construção, Energia, Ambiente e Sustentabilidade – IteCons, da FCT da Universidade de Coimbra, bem como a ANEPC, tendo como investigador responsável o diretor da UNIDEMI, Professor António Grilo, com responsabilidades partilhadas com o Professor João Paulo Rodrigues da Universidade de Coimbra.

Considerando que não existem estudos de caráter científico que permitam a análise de forma sistemática dos incêndios urbanos ou sequer que estudem a multiplicidade de dados recolhidos nos últimos dez anos, o projeto de investigação AI-4-MUFF irá permitir desenvolver uma ferramenta de apoio à decisão por parte da ANEPC e dos Corpos de Bombeiro, garantindo uma intervenção operacional mais eficiente e eficaz neste âmbito.

O Sistema de Apoio à Decisão Estratégica ao Combate aos Incêndios Urbanos, que vai ser desenvolvido pela equipa de investigadores do AI-4-MUFF, propõe uma ferramenta baseada somente em evidências empíricas, através da aplicação de técnicas de Machine Learning, e na interligação do modelo de otimização multi-objetivo e do ambiente de simulação baseado em agentes (Agent-based Model simulation).

Os resultados destes estudos permitirão proporcionar aos decisores ferramentas de apoio à decisão de localização dos recursos humanos e dos meios materiais, com base em dados científicos devidamente fundamentados.