Slimme steden: AI toont de weg naar de meest stabiele bouwgrond

Japanse ingenieurs hebben met artificiële intelligentie (AI) een model ontwikkeld om de stabiliteit van de ondergrond beter te voorspellen. Nu steden wereldwijd groter worden is het volgens hen een nuttige tool die kan voorkomen dat er gebouwd wordt op plekken die gevoelig zijn voor aardbevingen en zelfs kunnen veranderen in zinkgaten.

In aardbevingsgevoelige landen zoals Japan is een van bedreigingen voor de infrastructuur ‘liquefactie’ of ‘vloeibaarwording’, een fenomeen waarbij intense trillingen ervoor zorgen dat een bodem die veel water bevat sterkte verliest en zich plots gaat gedragen als een vloeistof.

Liquefactie kan ertoe leiden dat gebouwen wegzakken in de grond, funderingen scheuren en  er grote gaten in wegen ontstaan waarin auto’s, huizen of mensen wegzakken.

Naarmate steden wereldwijd groter worden, is de dreiging van natuurrampen een zorg waar stadsplanners rekening mee dienen te houden. Want die natuurfenomenen kunnen de trillingen teweegbrengen die liquefactie in gang zetten.

Machine learning

De schade van liquefactie is vaak aanzienlijk. Zo veroorzaakte de Tōhoku-aardbeving in Japan liquefactie waardoor minstens duizend huizen beschadigd raakten. In 2011 resulteerde een aardbeving in Christchurch, Nieuw-Zeeland in liquefactie. Ongeveer 80 procent van alle nutsvoorzieningen zoals water- en rioleringssystemen werden toen verwoest. In 2024 veroorzaakte de aardbeving in het Japanse Noto liquefactie, en werden 6700 huizen getroffen.

Om steden beter bestand te maken tegen de gevolgen van deze vloeibaarwording van de ondergrond hebben Shinya Inazumi en Yuxin Cong van het Shibaura Institute of Technology, machine-learningmodellen ontwikkeld die voorspellen hoe de bodem zal reageren tijdens aardbevingen.

Deze modellen gebruiken geologische gegevens om 3D-kaarten van de bodemlagen te maken. Naast de stabiele gebieden worden ook de gebieden die vatbaarder zijn voor liquefactie aangeduid. In tegenstelling tot handmatige bodemtestmethoden, die niet elke locatie kunnen dekken, biedt deze aanpak een breder en gedetailleerder beeld van de bodem en de te verwachten reactie op trillingen.

Stabiele infrastructuur

“Ons onderzoek is een nauwkeurige voorspellingsmethode voor onbekende gebieden, en toont het significante potentieel van machinaal leren in geotechniek aan”, zegt hoogleraar Ingenieurswetenschappen Shinya Inazumi. “Deze verbeterde voorspellingsmodellen maken een veiligere en efficiëntere planning van de infrastructuur mogelijk, wat cruciaal is voor aardbevingsgevoelige regio’s en uiteindelijk bijdraagt aan de ontwikkeling van veiligere en slimmere steden.”

Aan de hand van deze voorspellingen kunnen gebieden met stabiele draaglagen worden aangeduid. De onderzoekers zijn dan ook hoopvol dat hun kaart een waardevol visueel hulpmiddel zal zijn voor burgerlijk ingenieurs bij het identificeren van geschikte bouwlocaties met stabiele bodems.

Verder is de tool ook nuttig voor rampenexperts om gebieden te kunnen aanduiden die kwetsbaarder zijn voor het vloeibaar worden van de bodem, waardoor risico’s beter kunnen worden ingeschat en strategieën voor risicobeperking kunnen worden geïmplementeerd.

Slimme steden

De onderzoekers zien hun methode als een belangrijke factor voor de groei van slimme steden en benadrukken het belang van datagestuurde strategieën bij het sturen van stedelijke ontwikkeling en infrastructuurplanning.

“Dit onderzoek biedt een basis voor veiligere, efficiëntere en kosteneffectieve stedelijke ontwikkeling”, zegt Inazumi.

Nieuwsbrief

In je mailbox: aankondigingen van opleidingen, events, nieuws en inzichten over duurzaamheid.

"*" indicates required fields

This field is for validation purposes and should be left unchanged.