理大開發實時預警系統 機器「自學」自行更新模型

全球極端天氣出現愈見頻繁，香港今年便經歷連場超強颱風吹襲，其中「小犬」和「蘇拉」更分別達到九號風球和十號風球，不但擾亂市民的日常生活，更為社會帶來重大經濟損失。為應對複雜城市環境面對極端風暴帶來的風險，香港理工大學學者倪一清領導的團隊今年獲研資局近5,000萬元撥款支持，針對沿海城市高層建築的抗颱風問題，開發實時城市颱風風險預警和管理系統。他近日接受香港文匯報專訪時分享指，項目會設計出一個框架，能夠通過稀疏測量有效和準確地評估湍流，並量化複雜城市空氣動力學引起的風險，更可為城市復原力進行定量的韌性評估，從而更全面地預視風災對關鍵建築物構成的潛在風險與後果，防患於未然。◆香港文匯報記者 姜嘉軒

「每年全世界因颱風造成的損失達到260億美元，其中88%就發生在我們東亞和北美地區。而單計2018年出現的十號風球『山竹』，就令香港超過500座高層建築受損，全港直接損失達46億港元。」每到風季都伴隨着莫大威脅，但理大土木及環境工程學系智能結構與軌道交通講座教授倪一清表示，現時仍未有一個系統可針對城市高樓狀況進行預警，告訴人們颱風襲港時哪個地區、哪座高樓危險較大。

為此，其團隊開展「INTACT：沿海城市智能式熱帶風暴減災系統」項目，以建立實時城市颱風風險預警和管理系統，既可用作有效的應急指導，例如疏散安排和臨時加固玻璃幕牆等，亦可為高層建築的抗颱風設計提供新的方法論和設計指導準則，可直接對建築行業、發展商、公眾，以至城市管理帶來中長期效益。

倪一清分享道，團隊會建立一個數據驅動模型（Data-driven model），當中會涵蓋全港的高層建築群，「只要這個模型確認是準確，將來颱風一到，就可以用系統算出其路徑區域內，相關建築對風的響應是多少」，從而了解它們的安全風險。

致力準確評估空氣湍流

他進一步解釋，團隊已從包括政府部門在內的多個合作機構，取得全港高層建築物數據，「我們實際上不需要非常詳細的數據，無須每根柱、每根樑都模擬進去，我們只需要知道它的幾何尺寸如何，以及它的振動頻率（Vibration frequency）是多少。」當這些信息放到模型中，加上團隊於準確評估空氣湍流方面做了大量工作，「於是可以在模擬的建築物上加上風荷載，然後計算它在空氣動力作用下，該建築物的動態響應（Dynamic Response）如何，假如響應很大，或是玻璃幕牆受到的壓力很大，超過原來設計，那麼被破壞的風險就很高了。 」

循韌性角度評估建築物潛在風險

此外，系統不只計算建築層面的破壞受損，還會循韌性（Resilience）角度全面評估建築物的不同潛在風險。「以1999年十號風球『約克』襲港為例，導致稅務大樓、入境事務大樓和灣仔政府大樓數百塊玻璃掉落地面，除了建築本身受損外，對政府部門、公司運作影響其實更大。」

所謂韌性是指，當建築物受到破壞後，重新恢復直至能夠如常運作為止，「只算天花板和玻璃幕牆的損失是沒有意義的，建築受損導致裏面的公司停止運作，人們無法上班，這段期間造成的總損失，才是我們最關心的。」

該系統日後可對建築物的潛在損失提供更多指標，「以往人們只管結構、建築安全，譬如說玻璃幕牆壞了，就只算重新修復的施工費用，但以後還要考慮窗框掉下去，有可能砸到路人等保險問題，亦要評估建築物一旦受損，對裏面各類商業行為的影響。」這些指標可讓相關持份者更好的衡量損失，該為建築物採取何等程度的防風措施，亦可為未來的高層建築設計提供更優良的準則。

「這系統跟ChatGPT相似，輸入得愈多，它就懂得愈多，還會自行更新模型，變得更加準確，這就是使用machine learning（機器學習）的好處。」這項目於明年1月1日正式展開，為期5年，「天文台亦有跟我們合作，將來有需要可以取用，當發現有八號或以上風球到來就可啟動它，進行實時的颱風風險預警和城市韌性評估。」