理大研發智能污水管理系統　可減緊急維修達四成

香港文匯報訊（記者 楊梓穎）近年氣候變化加劇，極端天氣日益頻繁，令城市污水系統等基建承受沉重壓力。一旦污水系統受損，隨時引發污水泄漏、溢流甚至水浸，威脅公眾健康與安全。香港理工大學（理大）研究團隊因應相關挑戰，開發出一套結合人工智能（AI）與物聯網的多層級模型，以建構更具成本效益的智能污水管理系統，不但能預測泄漏嚴重程度、識別高風險滲漏區域，亦可監測及預測高風險地區的溢流情況。

現時業界普遍以閉路電視檢查管道狀況，但有關方法主要依賴專業人員經驗，若要擴展至整個污水管網，不但成本高昂，亦相當費時。理大建築及房地產學系教授Tarek Zayed帶領團隊開發智能管理模型，運用深度學習算法精準分析污水管道狀況，協助識別老化及受損部分，從而為不同區域的閉路電視檢查訂定優先次序。

Zayed解釋，除極端天氣外，人口增長及結構老化同樣對城市排水系統構成壓力。團隊採用以風險為本的檢查與保養策略，透過AI模型更精準部署閉路電視監測，減少不必要的現場巡查，預計可將整體渠道檢查及保養時間縮減約25%至30%。

當污水發生泄漏，由損壞的污水系統流向周邊環境時，其中的病原體和有毒化合物等會污染土壤或地下水，危害公眾健康及生態系統。團隊開創性設計的「泄漏嚴重程度指數」（Exfiltration Severity Index，簡稱ESI），可用以量化及模擬個別管道層級的泄漏嚴重程度，讓管理人員及早識別較易泄漏的管段。

該AI模型綜合考慮管道特性、氣候條件及環境影響等多項因素，從而預測泄漏發生的可能性及嚴重程度，為更迫切的保養工作提供實證基礎。團隊研究顯示，該系統在評估嚴重程度方面的準確率達85%，能顯著降低地下水污染風險。同時，透過優化保養日程，此預測模型將營運效率提升50%至60%，並減少30%至40%的緊急維修工作。相關研究論文「渠道網絡泄漏嚴重程度主動管理：基於超參數優化的兩級機器學習預測」已發表於學術期刊《隧道與地下空間技術》（Tunnelling and Underground Space Technology）。

除泄漏外，管道堵塞亦是導致污水系統無法正常運作的主因，嚴重時更會引致水浸。針對這個問題，Zayed及團隊進一步應用物聯網技術，模擬水管網絡在不同程度堵塞下的運作及溢流情況。相關研究論文「利用物聯網技術評估不同堵塞情況下的渠道網絡效能」已發表於《可持續性》（Sustainability）期刊。此研究獲研究資助局的「優配研究金」及環境及自然保育基金的資助。

團隊與香港特別行政區政府渠務署合作，在九龍區的排水網絡安裝水位感測器，利用不同數據探勘技術收集真實數據，作模擬案例研究、模型校準及驗證之用。團隊應用這個以物聯網技術為本的監測系統，讓曾出現堵塞問題的管段接受重點清理，提升了其整體效能85%，成效顯著。

Zayed總結指出，透過AI與物聯網技術，團隊建立的多層級模型可為預測潛在渠道故障的時間及位置提供可靠決策工具，並據此規劃更有效行動，以減少污水溢流發生的次數、規模及嚴重程度。整體而言，受監測區域在系統及時有效監測與快速應對下，緊急溢流事件成功減少70%至75%。