Principales resultados de FORESEE

FORESEE se centró en generar valor añadido para dos destinatarios o usuarios finales principales, esto es: a) las autoridades nacionales de transporte y administraciones, y b) los operadores de infraestructuras de transporte y usuarios y transporte de mercancías.

Los principales resultados de FORESEE son:

• Traffic Module. Incluye un script de software multiescenario que hace uso de las simulaciones de tráfico existentes a través de herramientas tradicionales de análisis de tráfico para estimar la pérdida potencial de servicio asociada a múltiples valores de indicadores de resiliencia utilizando algoritmos estocásticos. El objetivo del módulo de tráfico es permitir realizar mediciones de resiliencia con simulaciones de tráfico incluso cuando existen algunos parámetros de entrada inciertos. Esta herramienta ha sido desarrollada principalmente por LBG-WSP.
• Fragility Functions y módulo de funciones de vulnerabilidad e intérprete de apoyo a la toma de decisiones por RINA-C. El objetivo principal de esta herramienta, en colaboración con el módulo de tráfico, es ofrecer a los gestores y propietarios de infraestructuras un instrumento fácil de usar y eficaz que les permita gestionar los activos y los recursos financieros de manera óptima respetando al mismo tiempo los niveles de seguridad exigidos.
• Virtual Modelling y predicción de daños en activos por RINA-C. Esta herramienta aprovecha los datos InSAR de satélite para restringir los modelos predictivos de daños en taludes adaptando el modelo de estabilidad de taludes existente, que utiliza datos de precipitaciones para predecir las presiones de poros que conducen a la predicción del movimiento del terreno.
• Structural Health Monitoring (SHM) algorithms. TEC propone un sistema de monitorización estructural que puede dividirse en dos partes principales: (a) una herramienta de alerta en tiempo real, con métodos estadísticos y/o de machine learning basados fundamentalmente en datos no dañados para la detección de valores atípicos únicamente (SHM de nivel I (Rytter, 1993)); y (b) una herramienta de localización y cuantificación de daños basada en algoritmos de inteligencia artificial supervisada entrenados con escenarios de daños sintéticos.
• El resultado de la metodología y los algoritmos propuestos (Fernández-Navamuel, 2022a) (Fernández-Navamuel, 2022b) es una evaluación particularizada de un puente basada en su respuesta dinámica estructural, que incluye la detección, localización y cuantificación de daños (SHM de nivel 3).
• S-SHM BIM based alerting SAS platform. Esta herramienta desarrollada por TVUK es una API que genera alertas RAG sobre un BIM y permite su visualización en 3D. Las alertas se plantean en correspondencia con conjuntos de datos de movimiento observados cerca, en el BIM, utilizando un modelo de predicción de fallo de deslizamiento, datos de sensores in situ y datos InSAR por satélite.
• Governance module. Herramienta desarrollada por la UC que integra los conceptos de gobernanza y los de servicio en la toma de decisión en distintas fases del ciclo de vida de una forma automática, sencilla y transparente para todas las partes interesadas.
• Datasets/maps hot spots, risks and impact ranking. El objetivo principal de esta herramienta desarrollada por la UC es identificar y evaluar el riesgo de desastres naturales en diferentes áreas de estudio mediante el uso de una aplicación implementada en GIS. Esta aplicación analiza, evalúa e identifica los riesgos para mejorar la toma de decisiones.
• Flooding assessment. La UC también ha desarrollado una metodología novedosa para el estudio de las inundaciones utilizando técnicas estadísticas avanzadas para mejorar el cálculo de la extensión de las inundaciones para diferentes periodos de retorno mediante una mejor exploración del espacio de los extremos. Los principales temas de investigación en relación con la fase de explotación y mantenimiento considerada son los efectos de las inundaciones en las operaciones ferroviarias en combinación con los planes de mantenimiento y contingencia. Además, mediante modelos se evalúan los efectos de las inundaciones en diferentes componentes de la vía de ferrocarril en función del nivel del agua.
• Command and Control Center (C2). La C2 de la FRA tiene por objetivo aumentar el conocimiento de la situación de los usuarios del conjunto de herramientas FORESEE, así como la identificación temprana de valores que puedan suponer un riesgo para la infraestructura y los usuarios (niebla, nieve, precipitación extrema, otros). Las alarmas relativas a peligros potenciales para una infraestructura se activan basándose en técnicas eficaces de detección de anomalías mediante machine learning.
• Hybrid data assessment package. Es una herramienta de aprendizaje automático desarrollada por ETHZ para la fusión de datos para el diagnóstico y pronóstico de fallos ante una amenaza. El módulo sirve de forma general para abordar diferentes estructuras (puentes o túneles) y amenazas (ciberataque, inundación, terremoto).
• Cybersecurity assessment. Metodología para el desarrollo de un estudio socioeconómico considerando ciberataques. Impacto en el tráfico y rutas alternativas en la circunvalación M-30 por FERR.
• La UC desarrolló las siguientes soluciones:
• Pavimentos asfálticos permeables con mejora de la resiliencia ante fenómenos extremos.
• Nuevo sistema de estabilización-protección de taludes que combina en un mismo kit membranas flexibles y geosintéticos (Jiménez-Fernández, 2022).

CEM desarrolló una metodología basada en métodos estadísticos, análisis de datos y herramientas GIS para la adaptación de los drenajes al paradigma de los drenajes sostenibles, teniendo en cuenta los efectos del cambio climático en los patrones de precipitación.