SIADEX. Un entorno integral de planificación para el diseño de planes de actuación en situaciones de crisis *

Transcripción

1 SIADEX. Un entorno integral de planificación para el diseño de planes de actuación en situaciones de crisis * L. Castillo, J. Fdez-Olivares, O. García-Pérez, F. Palao Depto. de Ciencias de la Computación e Inteligencia Artificial ETSI Informática, Universidad de Granada {L.Castillo,Faro,Oscar,Palao}@decsai.ugr.es Resumen SIADEX (Sistema Inteligente de Ayuda a la Decisión en la EXtinción de incendios forestales) es un entorno de planificación integrado cuyo principal objetivo es servir de ayuda a la toma de decisiones durante el desarrollo de situaciones de crisis, en particular, durante el desarrollo de incendios forestales dentro del Plan INFOCA de la Consejería de Medioambiente de la Junta de Andalucía. Para ello, SIADEX permite generar planes de actuación temporizados y muy detallados que pueden ejecutarse de forma inmediata o servir como alternativas de estudio para los planes realizados por el personal técnico del plan INFOCA. 1. Introducción En los últimos años la Administración Pública Andaluza ha hecho un gran esfuerzo en mejorar la eficacia de los medios y recursos destinados a la lucha contra incendios forestales dentro del plan INFOCA [8]. En particular, la contínua introducción de las nuevas tecnologías de la información y comunicación, que permiten mejorar las técnicas de extinción y optimizar la utilización de los medios disponibles, ha resultado en la creación de un complejo Sistema de Información, de apoyo a las * Este trabajo está siendo financiado en su completitud por el contrato de investigación NET con la Consejería de Medioambiente de la Junta de Andalucía actividades del plan INFOCA, para la detección, seguimiento y evaluación de incendios forestales. Este sistema es utilizado por el personal técnico del plan INFOCA, como soporte para la toma de decisiones y la posterior elaboración de los planes de operaciones para la extinción de un incendio forestal. Según la estructura y organización del plan INFOCA, la planificación de las operaciones de extinción corresponde a la figura del director técnico de extinción, que lleva a cabo un proceso manual para el diseño del plan de extinción de un incendio. Este plan queda registrado en un Parte de Dirección Técnica de Extinción, en el que se recoge información sobre los recursos disponibles, objetivos del plan y actuaciones programadas para cada recurso. A la hora de tomar decisiones durante el diseño del plan, el técnico de extinción debe de tener en cuenta una gran cantidad de información referida a las características del incendio (circunstancias meteorológicas, orografía del terreno, tipos de combustible), a la disposición de los medios, a la coordinación y comunicación con diferentes unidades y centros, etc. El actual sistema de información del plan INFO- CA proporciona esta información crucial, sin embargo, a la hora de diseñar el plan de operaciones, todo el dispositivo contra incendios debe de confiar en los conocimientos, experiencia e intuición del técnico de extinción a la hora de ejecutar un plan, diseñado de forma manual en unas condiciones adversas. Este proceso manual de diseño se está aplicando con éxito en el Plan INFOCA, pero

2 puede mejorarse, de forma que se ajuste en un mayor grado a las necesidades de la extinción, mediante la aplicación de técnicas de Planificación Inteligente. La Planificación Inteligente es un conjunto de técnicas de Inteligencia Artificial que permiten construir programas informáticos denominados planificadores, que incorporan una base de conocimiento en la que es posible registrar la experiencia y conocimientos de expertos en una disciplina cualquiera, y permiten resolver problemas en los que es necesario diseñar algún tipo de actuación estratégica. Desde la perspectiva de su utilización por un técnico de extinción, un planificador con aplicación al diseño de planes de operaciones para la extinción de incendios, recibiría como entrada los objetivos del plan a diseñar, junto a los medios disponibles y, de acuerdo a su base de conocimiento y a un proceso de razonamiento interactivo con el experto, obtendría un plan o varias propuestas de planes, que podrían ser utilizados por el técnico de extinción como soporte a la hora de determinar finalmente el plan final a ejecutar. Esta es, precisamente, la tarea que lleva a cabo el sistema SIADEX, un sistema inteligente de ayuda a la extinción capaz de generar planes de ataque de forma autónoma y que permite al personal técnico un proceso de toma de decisiones óptimo. Cada uno de estos planes de extinción es una secuencia de actividades, ordenada en el tiempo, que incluye operaciones de activación, movilización, despliegue, ataque y desmovilización de los medios utilizados para la extinción. Sin embargo, antes de continuar, conviene aclarar que SIA- DEX no es un simulador de incendios forestales, aunque podría intercambiar datos con este tipo de programas, ni un simple sistema de gestión de recursos, ya que SIADEX puede tomar muchas decisiones de forma autónoma a la hora de diseñar un plan de ataque con el objetivo de seleccionar los medios que van a participar, minimizar los gastos que ocasiona el plan, optimizar los tiempos de desplazamiento de los medios que intervienen en un episodio o estructurar el plan de acuerdo al devenir de condiciones naturales como el día o la noche o la meteorología. Las técnicas de planificación inteligente están siendo utilizadas con éxito en diferentes escenarios de crisis, tanto civil como militar [1, 9, 3, 2], pero para una correcta aplicación a problemas reales, es necesaria la sutil integración de múltiples aspectos tanto de investigación como de desarrollo como son: Uso integrado de varias tecnologías. Estos sistemas no suelen ser una aproximación monolítica, sino más bien una composición de técnicas que se complementan unas a otras con diferentes funcionalidades como planificación (para encontrar en conjunto adecuado de actividades), scheduling (asignación de tiempo y recursos), búsqueda de caminos (para encontrar planes de movimiento óptimos), etc. Potenciar el papel de los usuarios finales. No es de esperar que los usuarios finales de estas herramientas tengan conocimiento de las técnicas de IA utilizadas, por ello, estos sistemas deben basarse en el uso de interfaces amigables que les permitan establecer objetivos, comprender el funcionamiento y los requerimientos del sistema sin tener que utilizar conocimiento como lenguajes específicos de descripción de problemas de planificación o lenguajes de programación de restricciones. Representación del conocimiento muy flexible. Estos sistemas tienen que manejar conocimiento proveniente de diferentes fuentes de información, muy heterogéneas como: localización GPS de instalaciones y recursos, cuestiones legales (como por ejemplo condiciones de contratación o duraciones máximas de los turnos de trabajo permitidas por la ley) o eventos exógenos (como el día y la noche o las condiciones meteorológicas). Además, estos sistemas deben acceder a toda esta información online y extraerla de las aplicaciones actuales de gestión. Integración con el software existente. Tanto la entrada a estos sistemas como la salida de los mismos debe tener en cuenta las aplicaciones informáticas existentes

3 en su entorno de uso habitual, para que los usuarios finales puedan comprender, procesar y despachar planes de actividad con el menor esfuerzo posible. En el caso de la lucha contra incendios forestales, en particular, o en el caso de la actuación en situaciones de crisis, en general, es muy conveniente que estos sistemas puedan visualizar y manenjar los resultados mediante el software habitual de gestión de información geográfica (como ArcView [7]), o software de gestión de procesos (como Microsoft Project). Soporte para el acceso concurrente y distribuido de múltiples usuarios. Normalmente estos sistemas son utilizados en entornos muy hostiles (como un incendio forestal, un desastre natural o combate militar real) y, en estos casos, la mayoría de las entradas y de las salidas están dirigidas a los usuarios finales situados en estos escenarios. Sin embargo, estos sistemas son demasiado complejos como para ser instalados y ejecutados en pequeños dispositivos portátiles como una PDA o un ordenador portátil con capacidad de cómputo muy limitada, por lo que la utilización de arquitecturas distribuidas e interoperables, con gran capacidad de cómputo y total conectividad y accesibilidad para los usuarios finales es un requisito casi indispensable. Rápida respuesta. Por último, aunque no menos importante, se espera que el sistema sea eficiente, y que sea capaz de diseñar planes de actuación en un tiempo aceptable teniendo en cuenta el tiempo de latencia propio del problema en cuestión, que puede oscilar entre unos pocos minutos y unas pocas horas. En el resto del trabajo se va a mostrar como SIADEX da respuesta a estos requisitos. 2. Arquitectura de SIADEX SIADEX es una arquitectura abierta de resolución de problemas basada en el uso intensivo de servicios web para implementar la mayoría de sus capacidades (Figura 1). Figura 1: Arquitectura de SIADEX Sus principales componentes son la base de conocimiento (llamada BACAREX) y el motor de planificación (llamado SIADEX). Bacarex almacena todo el conocimiento que será necesario para el desarrollo de la etapa de planificación como el estado de instalaciones y recursos, condiciones legales, meteorología, el escenario del incencio, su orografía y los principales protocolos de extinción del Plan INFOCA. BA- CAREX es una ontología que está implementada como un servicio web sobre la API de Protégé [10] y un respaldo en una base de datos MySQL para soportar acceso concurrente de múltiples usuarios. De esta forma, se garantiza un acceso ubicuo a la base de conocimiento a la vez que se ofrece una interfaz amigable al usuario final, que accede a ella como un formulario web, sin tener que conocer la interfaz de Protégé (Figura 2). El módulo de planificación es el núcleo de toda la arquitectura y es el encargado de generar los planes de actuación (planes de dirección técnica de extinción). Ambos módulos, BACAREX y SIADEX, se han implementado

4 Almacenamiento del escenario: El escenario del incendio se almacena en BACA- REX en formato de Protégé de forma que todo el conocimiento sobre los recursos del Plan INFOCA y el escenario del incendio son visibles por cualquier usuario autorizado del sistema, mediante el uso de cualquier navegador web. Figura 2: Acceso web a la ontología de SIADEX (basada en la API de Protégé e implementada sobre MySQL) como sistemas independientes que son accesibles desde cualquier dispositivo con conexión a internet como un ordenador de sobremesa, un portátil o una PDA. Por ello los usuarios pueden consultar o modificar el estado del mundo sin más que disponer de un navegador web, o bien utilizar una interfaz más compleja y elaborada que se ha desarrollado como una extensión de ArcView [7] el software GIS más utilizado actualmente (recuérdese que en situaciones de crisis, todos los objetos que intervienen en un problema de este tipo tienen muchas características asociadas con un despliegue geográfico (Figura 3). Finalmente, los planes diseñados por SIADEX pueden descargarse y utilizarse directamente en algunos programas de uso frecuente en estos entornos como son MS Excel (Figura 5) y MS Project (Figura 4) o cualquier otro software utilizable por el personal técnico dado que los planes se obtienen en formato XML. El ciclo básico de interacción con SIADEX es el siguiente: Descripción del problema: El escenario del incendio forestal, consistente en las áreas objetivo, las estrategias generales de ataque seleccionadas por el personal técnico y una estimación de la intensidad del ataque se introduce bien, desde un navegador web o mediante un acceso más cómodo desde la extensión de ArcView. Petición de un plan: El módulo de planificación no puede interpretar la información almacenada en BACAREX dado que los lenguajes de modelado en planificación son muy específicos y no existe ninguna extensión de Protégé, al menos hasta donde conocen los autores, para estos lenguajes. Por ello, se ha definido un mecanismo de traducción que permite traducir el conocimiento almacenado en BACAREX en formato de Protégé al lenguaje PDDL 2.2 nivel 3, que es el lenguaje estándar de descripción de problemas de planificación [5]. Una vez traducido todo el problema a PDDL 2.2 se obtiene un plan (o no) que es enviado al personal técnico. El proceso de generación de planes es muy eficiente llegando a generar planes de actividades temporizados, muy detallados, con casi 900 actividades repartidas en ramas paralelas en algo más de dos minutos 1. Visualización del plan: Como se ha mencionado anteriormente, el plan obtenido se puede visualizar de múltiples formas, todas ellas con una alta comprensibilidad por parte del personal técnico. Ejecución y monitorización del plan: El plan obtenido puede ser ejecutado y supervisado mediante un proceso de monitorización distribuida en el que, todo el personal técnico con alguna responsabilidad en la ejecución de alguna parte del plan que disponga de un ordenador o una PDA con conexión a internet es informado de las actividades a su cargo, permitiendo una monitorización 1 En un Pentium IV, 3.2 GHz, 2GB Ram, Linux

5 concurrente de las actividades del plan. Esta etapa esta au n en desarrollo. Figura 5: Salida en un cronograma en MS Excel Figura 3: La extensio n de ArcView permite al personal te cnico del Plan INFOCA introducir los escenarios georeferenciados del incendio, definir los objetivos del plan, obtener y visualizar planes a la jerarquı a de clases e instancias, consultar o modificar sus propiedades sin tener conocimiento alguno sobre modelos de representacio n del conocimiento ni lenguajes de planificacio n2. Esta jerarquı a de objetos tambie n soporta la definicio n del escenario del problema (objetivos geograficos, tareas, deadlines, etc). Una vez que se ha almacenado el escenario de un incendio, la base de conocimiento se traduce a PDDL 2.2 nivel 3 siguiendo el siguiente esquema: Las clases de la ontologı a se traducen a una jerarquı a de tipos de PDDL. Las instancias se traducen como objetos de planificacio n con tipo, asociado a la clase a la que pertenecen. Figura 4: Salida en un diagrama de Gantt en MS Project, que permite la evaluacio n de caminos crı ticos, costes y tiempos 3. Conocimiento del dominio Como se ha dicho anteriormente, todo el conocimiento sobre objetos de planificacio n (posiciones, instalaciones, a reas objetivo, retenes y brigadas, medios ae reos, etc) se almacena en una ontologı a en formato de Prote ge sobre cuya API se ha disen ado un acceso web que permite a los usuarios finales un acceso sencillo El dominio de planificacio n, es decir, el conjunto de actividades que codifican los protocolos de funcionamiento esta ndar del Plan INFOCA, son almacenados directamente el formato de PDDL 2.2, por lo que no es necesario traducirlos. Otras restricciones del problema como la ma xima duracio n de los turnos de trabajo permitida por la ley (traducidas como fluents de PDDL), eventos de dı a y noche (traducidos como timed initial literals 2 El equipo de desarrollo tambie n puede acceder a esta ontologı a mediante la shell esta ndar de Prote ge para realizar tareas ma s formales de validacio n y de chequeo de consistencia.

6 de PDDL), ventanas de actuación definidas sobre el escenario (traducidas como objetivos con fecha límite) son también extraídas de la ontología y representadas en el problema de planificación en un formato reconocible por el planificador. 4. El planificador El planificador sigue el formalismo jerárquico HTN, Hierarchical Task Network [6] basado en un proceso de búsqueda hacia adelante, basado en el mantenimiento del estado del problema, con las siguientes características destacadas. Las acciones primitivas son completamente compatibles con el nivel 3 del lenguaje PDDL 2.2, con acciones temporizadas y capacidades de razonamiento numérico (fluents). Se ha definido una extensión de PDDL para representar tareas y métodos HTN temporizados, de forma que se pueden definir tareas de alto nivel temporizadas tales que sus acciones componentes heredan las restricciones temporales de las tareas a las que pertenecen. Los dominios de SIADEX pueden incluir multiples funciones de poda y de guiado de la búsqueda para hacer más eficiente el proceso de generación de planes. De hecho se consiguen tiempos de planificación muy competitivos de hasta 150 acciones de planificación en menos de un segundo para problemas con una temporización compleja y planes de hasta 1000 operaciones en un segundo para problemas con una temporización simple. SIADEX también permite la incorporación de scripts Python en el mismo dominio de planificación, de forma que permite al motor de planificación relizar cálculos complejos, consultas a bases de datos externas y llamadas a programas auxiliares durante el proceso de toma de decisiones en la construcción de planes. Respecto al uso de heurísticas que guíen la búsqueda o a la utilización de criterios de optimización, actualmente SIADEX sigue un proceso de búsqueda primero en profundidad, que es muy eficiente y, junto con la estructura HTN, es suficiente para obtener planes correctos. Con respecto a la optimización del tiempo y de los recursos, el conocimiento distribuido por la estructura HTN de SIADEX permite realizar ciertas optimizaciones locales, como seleccionar el recurso que llegue más pronto al incendio o seleccionar el recurso de más capacidad, sin embargo, esto no garantiza que el plan final sea el óptimo, pues el término óptimo en la lucha contra incendios forestales es muy difícil de justificar ya que depende de muchos factores como los cambios meteorológicos, la humedad real del suelo, la eficiencia real de los grupos de retenes, etc. No obstante, dado que el uso del planificador se puede extender a otros dominios, se está trabajando en una versión heurística que permita optimizar los planes a partir de medidas objetivas de calidad como la longitud o la duración del plan, el coste de los recursos, etc Razonamiento temporal y de recursos Una de las características más importantes de SIADEX es que permite una representación y manejo muy flexible del conocimiento temporal. Gracias al mantenimiento de vínculos causales temporales entre las acciones primitivas del plan, SIADEX puede obtener planes parcialmente ordenados (los planificadores basados en estados suelen obtener planes totalmente ordenados) distribuidos sobre una red de restricciones temporales [4] que recoge, no sólo las restricciones de orden métricas impuestas por el dominio o por los objetivos del problema, sino cualquier dependencia causal entre acciones haciendo innecesaria una fase de deslinearización del plan [11]. Por todo ello, aunque el algoritmo de planificación sea un proceso hacia adelante basado en la representación del estado del problema, los planes de SIADEX pueden tener una es-

7 tructura de orden parcial, con ramas en paralelo y restricciones temporales cualitativas y/o métricas (Figura 4). De esta forma, los planes obtenidos por SIADEX podrían ser secuenciados temporalmente de manera muy flexible [11] permitiendo adaptar esta secuenciación ( scheduling ) a posibles retrasos que se produjesen durante la ejecución del plan, sin necesidad de volver a diseñar un nuevo plan. Finalmente, gracias a las capacidades de razonamiento numérico soportadas (PDDL 2.2) SIADEX puede razonar de forma muy sencilla sobre el uso de recursos consumibles como el fuel disponible por un medio aéreo, el número de helicópteros que caben de forma simultánea en un helipuerto o la distancia que separa dos puntos del escenario. 5. Conclusiones Aunque SIADEX está parcialmente desarrollado, aún queda un año de estudio y desarrollo (básicamente dedicado a resolver los problemas de rediseño del plan de ataque e interacción con el director técnico de la extinción) se están obteniendo resultados muy prometedores que hacen preveer que su utilización pueda suponer un valor añadido muy importante en la incorporación de nuevas tecnologías en la lucha contra los incendios forestales: Está permitiendo una recopilación de conocimiento muy importante de forma que, en un único sistema, se ha centralizado información que antes se encontraba dispersa y en distintos soportes, formando un verdadero capital de conocimiento del Plan INFOCA. Es un sistema fácilmente manejable, sin más que disponer de un navegador web. También se puede uitilizar integrado en ArcView, y dado que éste es un sistema ampliamente utilizado en la gestión de emergencias en general y, en particular, en la gestión de la lucha contra incendios forestales, la curva de aprendizaje del mismo se reduce de forma considerable. Permite un seguimiento pormenorizado del estado de los recursos, facilitando el cálculo de costes, dedicación del personal y mantenimiento de los recursos. Incluso permite generar un histórico de planes de extinción con un alto grado de detalle para su estudio en futuras ocasiones. Permite una gestión flexible del conocimiento, es decir, en un entorno hostil y dinámico como es un incendio forestal, la capacidad para gestionar información imprecisa es un requisito muy importante. En este caso, SIADEX permite manejar información con incertidumbre como por ejemplo: Las duraciones de las operaciones (como vuelos de medios aéreos, desplazamientos terrestres, etc) que no siempre se conocen con exactitud y pueden estar sujetas a retrasos y variaciones. El uso de los medios humanos y materiales siempre está sujeto a turnos, duraciones legales máximas permitidas, periodos de descanso, disponibilidad según contratos, etc. lo que hace que las decisiones que sean difíciles de tomar por la gran cantidad de información que se maneja. En este caso, SIADEX no necesita que se especifique qué recursos exactamente se van a utilizar, sino solamente su cantidad, encargandose, de forma autónoma, de seleccionar los más adecuados teniendo en cuenta toda la información que de ellos se dispone. SIADEX lleva un registro exhaustivo sobre la posición geográfica en que se encuentran todos los recursos que intervienen en el plan y adapta esta información a la precisión de que se dispone en cada momento, de forma que permite que estén perfectamente localizados en un punto geográfico, localizables mediante GPS, o bien asignados en una zona más o menos dispersa (un foco, un frente o un sector, por ejemplo).

8 De igual forma se permite que la definición de la estrategia de ataque se haga de forma precisa, asociando métodos de ataquea zonas específicas, bien delimitadas, del incendio, o a un nivel de detalle más bajo asociando estos mismos métodos a todo un sector o a un incendio, en el caso extremo. Obviamente, la precisión de los planes de SIADEX será menor conforme el grado de detalle de los objetivos sea también menor. SIADEX no solo puede utilizarse en un incencio real, sino que puede utilizarse para recrear episodios pasados del Plan INFO- CA, pudiendose utilizar como una herramienta de aprendizaje virtual para técnicos de extinción en formación lo que, en combinación con la utilización de simuladores de incendios constituye una excelente plataforma para compartir, mejorar y transmitir el conocimiento capitalizado en SIADEX. Aunque el objetivo de SIADEX es el descrito aquí, admite algunas extensiones futuras que pueden hacer de él una herramienta integral en la gestión de la lucha contra incendios forestales como son Referencias La posibilidad de incorporar técnicas de diagnóstico inteligentes que permitan definir el escenario y las estrategias de forma autónoma o en colaboración con un técnico. La posibilidad de incorporar técnicas de aprendizaje automático que permitan a SIADEX detectar los errores en la ejecución de un plan de ataque, diagnosticar las causas del fracaso y mejorar su base de conocimiento para que estas situaciones no vuelvan a suceder. [1] J. Allen, L Schubert, G. Ferguson, P. Heeman, C. Hwang, T. Kato, M. Light, N. Martin, B. Miller, M. Poesio, and B. Traum. The TRAINS project: a case study in building a conversational planning agent. Experimental and Theoretical Artificial Intelligence, 7:7 48, [2] P. Avesani, A. Perini, and F. Ricci. Interactive case-based planning for forest fire management. Applied Intelligence, 13(1):41 57, [3] S. Biundo and B. Schattenberg. From abstract crisis to concrete relief - a preliminary report on combining state abstraction and htn planning. In 6th European Conference on Planning (ECP-01), [4] R. Dechter, I. Meiri, and J. Pearl. Temporal constraint networks. Artificial Intelligence, 49:61 95, [5] S. Edelkamp and J. Hoffmann. The language for the 2004 international planning competition. edelkamp/ipc- 4/pddl.html, [6] K. Erol, J. Hendler, and D.Ñau. UMCP: A sound and complete procedure for hierarchical task-network planning. In AIPS-94, [7] ESRI. [8] Consejería de Medioambiente Junta de Andalucía. Plan INFOCA de lucha contra Incendios Forestales de la Consejería de Medioambiente de la Junta de Andalucía [9] K. L. Myers. CPEF: A continuous planning and execution framework. AI Magazine, 20(4):63 69, [10] National Library of Medicine. [11] N. Policella, S. Smith, A. Cesta, and A. Oddi. Generating robust schedules through temporal flexibility. In 14th International Conference on Automated Planning and Scheduling, ICAPS, 2004.