Nuvola Media ชี้แนวคิดรับมือวิกฤตสภาพอากาศ ต้องเริ่มจากการจำลองเหตุวิกฤต

รู้ก่อนเกิดเหตุ! นูโวลา มีเดีย (Nuvola Media) ชี้ทางรอดรับมือวิกฤตสภาพอากาศ ต้องเริ่มจากการจำลองสถานการณ์จริงด้วย AI และข้อมูลเรียลไทม์ เพื่อการวางแผนป้องกันที่แม่นยำ และรวดเร็ว…

Nuvola Media ชี้แนวคิดรับมือวิกฤตสภาพอากาศ ต้องเริ่มจากการจำลองเหตุวิกฤต พร้อมดันเมืองอัจฉริยะสู่ Predictive City

เฟลิกซ์ ตัน ประธานเจ้าหน้าที่บริหาร นูโวลา มีเดีย ชี้ประเทศไทยกำลังเผชิญบททดสอบครั้งใหญ่ด้านการรับมือวิกฤตสภาพภูมิอากาศที่มีความผันผวนรุนแรงขึ้น โดยความเสี่ยงไม่ได้จำกัดอยู่เพียงผลกระทบด้านสิ่งแวดล้อม แต่กำลังขยายวงไปสู่ความเสียหายทางเศรษฐกิจ

พร้อมเสนอให้ประเทศไทยเร่งยกระดับเมืองอัจฉริยะจากการ “เฝ้าระวัง” ไปสู่การ คาดการณ์ และรับมือแบบเรียลไทม์ ด้วยการผสาน AI ข้อมูลการสัญจร และ Digital Twin เข้าด้วยกัน

ทั้งนี้ ข้อมูลจาก กรมการเปลี่ยนแปลงสภาพภูมิอากาศ และสิ่งแวดล้อม ซึ่งอ้างอิงการจัดอันดับของ Germanwatch ระบุว่า ไทยมีความเสี่ยงด้านสภาพภูมิอากาศเพิ่มขึ้นอย่างน่ากังวล โดยขยับมาอยู่ที่อันดับ 17 ของโลกในปี 2569 จากอันดับ 72 ในปี 2565

ขณะที่ธนาคารโลกเตือนว่า หากประเทศไทยขาดความพร้อมในการรับมือกับผลกระทบจากการเปลี่ยนแปลงสภาพภูมิอากาศ อาจส่งผลให้ GDP ลดลงประมาณ 7-14% ภายในปี 2593 จากหลายปัจจัย ทั้งประสิทธิภาพแรงงานที่ลดลง ความเสียหายต่อภาคเศรษฐกิจปฐมภูมิ รวมถึงความเสี่ยงต่อพื้นที่นิคมอุตสาหกรรมและฐานการผลิตเพื่อการส่งออก

“การรับมือกับโจทย์ดังกล่าวไม่สามารถพึ่งพาเพียงการลงทุนโครงสร้างพื้นฐานขนาดใหญ่ แต่จำเป็นต้องใช้ ข้อมูลดิจิทัลและระบบอัจฉริยะ เข้ามาช่วยให้เมืองสามารถมองเห็นสถานการณ์ล่วงหน้า และเข้าใจว่าประชาชนจะตอบสนองอย่างไรเมื่อเกิดเหตุการณ์วิกฤต” เฟลิกซ์ กล่าว

จาก Digital Twin แบบภาพนิ่ง สู่เมืองที่ “คาดการณ์” ได้

ปัจจุบันเมืองขนาดใหญ่ในเอเชียตะวันออกเฉียงใต้ รวมถึง กรุงเทพมหานคร ยังคงใช้เทคโนโลยีอย่าง GIS และ 3D Digital Twin เป็นเครื่องมือสำคัญในการวิเคราะห์พื้นที่และประเมินความเสี่ยงทางกายภาพ

อย่างไรก็ตาม เฟลิกซ์มองว่า จุดอ่อนสำคัญของโมเดลแบบเดิมคือสามารถจำลอง “สภาพแวดล้อม” ได้ แต่ยังไม่สามารถสะท้อน “พฤติกรรมของมนุษย์” ได้อย่างเพียงพอ โดยเฉพาะในช่วงเกิดภัยพิบัติที่ประชาชนอาจตัดสินใจแตกต่างจากสถานการณ์ปกติ

แม้ระบบ Digital Twin จะสามารถแสดงข้อมูล เช่น ดัชนีเกาะความร้อนในเมือง (Urban Heat Island : UHI) ระดับน้ำใต้ดิน หรือข้อมูลเชิงพื้นที่อื่น ๆ ได้ แต่ข้อมูลเหล่านี้อาจไม่เพียงพอสำหรับตอบคำถามสำคัญว่า เมื่อเกิดเหตุฉุกเฉิน ผู้คนจะเดินทางไปทางไหน จะเกิดจุดคอขวดตรงใด และโครงข่ายคมนาคมจะรองรับการอพยพได้หรือไม่

“ความท้าทายไม่ได้อยู่แค่การรู้ว่าจุดไหนมีความเสี่ยง แต่ต้องรู้ด้วยว่าเมื่อเกิดวิกฤต ผู้คนจะเคลื่อนที่ และตอบสนองอย่างไร” เป็นโจทย์ที่ภาคเมืองต้องเร่งพัฒนา หากต้องการยกระดับการบริหารจัดการภัยพิบัติจากเชิงรับไปสู่เชิงรุก

Data Silos ตัวแปรสำคัญที่ทำให้เมืองรับมือวิกฤตได้ช้า

จากประสบการณ์ของ นูโวลา มีเดีย พบว่า อีกหนึ่งภัยเงียบที่ส่งผลต่อทั้งความปลอดภัยของประชาชนและความต่อเนื่องทางธุรกิจ คือ ข้อมูลที่กระจัดกระจาย และระบบของแต่ละหน่วยงานที่ทำงานแยกจากกัน

ในสถานการณ์วิกฤต หากระบบนำทาง หรือระบบจัดการจราจรแนะนำให้ประชาชนจำนวนมากใช้เส้นทางเดียวกัน อาจทำให้เกิดการกระจุกตัวของผู้คนและยานพาหนะ จนกลายเป็นคอขวด กีดขวางเส้นทางของหน่วยกู้ภัย และสร้างผลกระทบต่อธุรกิจในพื้นที่ตามมา

ปัญหายิ่งซับซ้อนเมื่อพิจารณาถึงประชาชนกลุ่มรายได้น้อย ซึ่งมีข้อจำกัดในการปรับตัวต่อภัยพิบัติ เนื่องจากต้องพึ่งพาระบบขนส่งสาธารณะ และห่วงโซ่อุปทานที่มีความเปราะบางมากกว่า

ดังนั้น การบริหารเมืองแบบต่างคนต่างทำจึงอาจทำให้ผู้บริหารต้องเข้าสู่โหมด “ตั้งรับ” และแก้ปัญหาเมื่อความเสียหายเกิดขึ้นแล้ว แทนที่จะสามารถคาดการณ์ และเตรียมทรัพยากรล่วงหน้าได้

ผสานข้อมูลการเดินทาง สร้างระบบพยากรณ์ภัยพิบัติ

เฟลิกซ์เสนอว่า เมืองที่มีความยืดหยุ่นต่อภัยพิบัติจำเป็นต้องเปลี่ยนจากการดูข้อมูลเชิงพื้นที่แบบคงที่ ไปสู่การ จำลองพฤติกรรมของประชากรแบบไดนามิก พร้อมทลายกำแพง Data Silos ระหว่างภาครัฐและเอกชน

แนวทางดังกล่าวสามารถทำได้ด้วยการนำข้อมูลหลายรูปแบบเข้ามาประกอบกัน เช่น ข้อมูลตำแหน่งมือถือแบบเรียลไทม์ ข้อมูลสัญญาณโทรศัพท์ โครงข่ายการเดินทาง และวงจรการให้บริการของระบบขนส่งสาธารณะ เพื่อสร้างแบบจำลองที่สะท้อนสภาพการเคลื่อนที่ของประชากรจริง

หนึ่งในแนวทางที่ นูโวลา มีเดีย นำเสนอคือ Synoptic Intelligence Platform (SIP) ซึ่งเป็นแพลตฟอร์มสถาปัตยกรรมเปิดที่ทำหน้าที่รวมข้อมูลจากระบบต่าง ๆ มาแสดง และวิเคราะห์ในภาพเดียว โดยสามารถเชื่อมข้อมูล IoT จากภาคเอกชน ข้อมูลโครงข่ายมือถือ และระบบขนส่งเข้ากับแผนรับมือเหตุฉุกเฉินของเมือง

เป้าหมายคือการเปลี่ยนมุมมองจาก “แผนที่เมือง” ให้กลายเป็น ระบบนิเวศเมืองที่มีชีวิต ซึ่งสามารถติดตามการเปลี่ยนแปลง และประเมินผลกระทบที่อาจเกิดขึ้นได้อย่างต่อเนื่อง

AI Simulation ช่วยซ้อมรับมือวิกฤตก่อนเกิดเหตุจริง

จุดเด่นของการนำ AI และ Predictive Simulation มาใช้ คือผู้บริหารเมืองสามารถจำลองสถานการณ์ความโกลาหลล่วงหน้า เพื่อประเมินว่าหากเกิดเหตุการณ์รุนแรงขึ้น ระบบต่าง ๆ ของเมืองจะได้รับผลกระทบต่อเนื่องอย่างไร

ตัวอย่างเช่น เมื่อเกิดน้ำท่วม คลื่นความร้อน หรือเหตุการณ์สภาพอากาศรุนแรง ระบบสามารถนำข้อมูลสภาพแวดล้อมมาประกอบกับข้อมูลการเดินทาง เพื่อประเมินผลกระทบที่อาจเกิดขึ้นกับ โครงข่ายถนน ระบบขนส่ง เส้นทางฉุกเฉิน พื้นที่ธุรกิจ และประชาชน

การเตรียมพร้อมดังกล่าวช่วยเปลี่ยนแนวทางจากการแจ้งเตือนแบบหว่านทั่วทั้งเมือง ซึ่งอาจสร้างความตื่นตระหนก ไปสู่การจัดการแบบ Precision Response เช่น การปรับทิศทางการจราจรตามสถานการณ์ การจัดสรรทรัพยากรไปยังจุดคอขวดที่คาดการณ์ไว้ หรือการเปิดเส้นทางสำหรับหน่วยกู้ภัยล่วงหน้า

กรุงเทพฯ มีโอกาสต่อยอด Digital Twin สู่ AI Simulation

สำหรับทีมบริหารกรุงเทพมหานคร หรือ BMA การต่อยอดระบบ 3D Digital Twin ไปสู่ชั้นการจำลองสถานการณ์ด้วย AI จะเป็นอีกหนึ่งก้าวสำคัญ โดยเฉพาะหากสามารถเชื่อมเข้ากับข้อมูลการสัญจรแบบเรียลไทม์

เทคโนโลยีดังกล่าวไม่เพียงมีศักยภาพในการรับมือกับภัยพิบัติ แต่ยังสามารถนำมาประยุกต์ใช้กับปัญหาเรื้อรังของกรุงเทพฯ อย่างการจราจรติดขัด การจัดการระบบขนส่ง และการบริหารทรัพยากรของเมือง

แนวทางนี้ยังสอดคล้องกับทิศทางการพัฒนา City Data Platform ที่มุ่งเชื่อมโยงข้อมูลระหว่างหน่วยงาน เพื่อให้ระบบ Smart Environment และ Smart Mobility สามารถทำงานร่วมกันได้ และสร้างข้อมูลที่นำไปใช้ในการตัดสินใจได้จริง

ลงทุน Climate Tech วันนี้ อาจลดต้นทุนเศรษฐกิจในอนาคต

นอกจากเรื่องความปลอดภัยแล้ว การยกระดับระบบบริหารจัดการเมืองด้วยเทคโนโลยียังมีผลโดยตรงต่อเศรษฐกิจ โดยเฟลิกซ์อ้างถึงงานวิจัยของ McKinsey ที่ชี้ว่า การลงทุนเพื่อรับมือ และปรับตัวต่อการเปลี่ยนแปลงสภาพภูมิอากาศในเชิงรุกสามารถสร้างผลตอบแทนทางเศรษฐกิจได้สูงกว่าต้นทุนเริ่มต้นหลายเท่า

เหตุผลสำคัญคือ เมืองที่สามารถคาดการณ์ และจำกัดผลกระทบได้ จะช่วยลดการหยุดชะงักของธุรกิจ ปกป้องทรัพย์สิน รักษาการดำเนินงานของห่วงโซ่อุปทาน และทำให้การใช้จ่ายของผู้บริโภคมีเสถียรภาพมากขึ้น

ดังนั้น การเปลี่ยนจากการ “เฝ้าดู” ไปสู่การ จำลอง–คาดการณ์–ลงมือก่อนเกิดเหตุ จึงไม่ได้เป็นเพียงเรื่องของเทคโนโลยีเมืองอัจฉริยะ แต่เป็นโจทย์ด้านความสามารถในการแข่งขันของประเทศ

จับมือรัฐ–เอกชน สร้างเมืองไทยรับมือทุกวิกฤต

ก้าวต่อไปของประเทศไทย คือ การสร้างระบบนิเวศที่ภาครัฐ ผู้พัฒนาเมือง หน่วยงานด้านเศรษฐกิจดิจิทัล และผู้พัฒนาเทคโนโลยีสามารถร่วมกันออกแบบเมืองแห่งอนาคต โดยนำข้อมูลจากโครงสร้างพื้นฐาน อาคารอัจฉริยะ ระบบขนส่ง และแพลตฟอร์มข้อมูลเมืองมาเชื่อมโยงกัน

หากทำได้สำเร็จ อาคารสูง ศูนย์การค้า ศูนย์กลางคมนาคม และโครงสร้างพื้นฐานต่าง ๆ จะไม่ได้ทำหน้าที่เพียงเป็นสิ่งปลูกสร้าง แต่สามารถกลายเป็น เครือข่ายเซ็นเซอร์ และข้อมูลที่ช่วยเพิ่มความปลอดภัยให้ประชาชน และรักษาความต่อเนื่องทางเศรษฐกิจ

“เมืองแห่งอนาคตไม่ควรเป็นเพียงเมืองที่ตอบสนองต่อวิกฤตเมื่อเกิดขึ้นแล้ว แต่ต้องเป็นเมืองที่สามารถมองเห็นความเสี่ยง จำลองสถานการณ์ และเตรียมพร้อมก่อนที่วิกฤตจะมาถึง“

สำหรับประเทศไทย การผสาน AI, Digital Twin, Real-time Mobility Data และ City Data Platform จึงอาจเป็นกุญแจสำคัญในการเปลี่ยนเมืองจาก Reactive City สู่ Predictive City เมืองที่ไม่เพียงรับมือกับวิกฤตสภาพภูมิอากาศได้ดีขึ้น แต่ยังสามารถรักษาความปลอดภัย ความต่อเนื่องทางธุรกิจ และขีดความสามารถในการแข่งขันของประเทศในระยะยาว

ส่วนขยาย

* บทความเรื่องนี้น่าจะเป็นประโยชน์สำหรับการวิเคราะห์ในมุมมองที่น่าสนใจ 
** เขียน: ชลัมพ์ ศุภวาที (บรรณาธิการ และผู้สื่อข่าว) 
*** ขอขอบคุณภาพประกอบบางส่วนจาก N/A

สามารถกดติดตามข่าวสาร และบทความทางด้านเทคโนโลยีของเราได้ที่  www.facebook.com/itday.in.th