Near Space Labs ناوگانی از ربات های بالون مجهز به هوش مصنوعی را برای ردیابی خطرات آب و هوای زمین به فضا پرتاب کرد

بسیاری از شرکت‌های بیمه هنوز به روش‌های جمع‌آوری داده‌های هوایی از دهه ۱۳۲۸برای ارزیابی خطرات اقلیمی سال ۱۴۰۳ متکی هستند.

Near Space Labs، یک استارت‌آپ مستقر در نیویورک، شبکه‌ای از بالن‌های در ارتفاع بالا مجهز به دوربین‌های روباتیک پیشرفته را برای ثبت تصاویری با وضوح بالا از محله‌های مستعد بلایا در سراسر ایالات متحده مستقر کرده است.

این استارت‌آپ با این تصاویر پیشرفته اعلام کرد که قصد دارد کار شرکت‌های بیمه‌ای را که به داده‌های هوایی برای ارزیابی خطرات اموال و پاسخ به آسیب‌های ناشی از رویدادهای شدید آب و هوایی متکی هستند، سرعت بخشد.

بر اساس بیانیه اخیر شرکت، بالون های تازه مستقر شده با ربات های مجهز به هوش مصنوعی به نام ‘Swifts’ تجهیز شده اند که می توانند تصاویری با وضوح ۷ سانتی متر (۲.۷۶ اینچ) در هر پیکسل ثبت کنند. هر سوئیفت که در استراتوسفر در ارتفاعات دو برابر هواپیماهای تجاری، اما پایین‌تر از ماهواره‌های رصد زمین فعالیت می‌کند، می‌تواند تا ۱۰۰۰ کیلومتر مربع (۳۸۶ مایل مربع) تصویر در هر پرواز ثبت کند – تقریباً به اندازه پنج ناحیه شهر نیویورک.

این استارت‌آپ قصد دارد به بیمه‌گران مشاهدات دقیق مکرر مناطق بلایای طبیعی – تا جزئیات روی سقف یک ساختمان – را ارائه دهد تا به آنها کمک کند آسیب‌های اموال را بهتر ارزیابی کنند و ارزیابی‌های دقیق‌تری از خطر انجام دهند.

رما ماتوسیان، مدیر عامل آزمایشگاه فضایی نزدیک، اخیراً به CNBC گفت: شرکت‌های بیمه با بالون‌های ما و سوئیفت‌های ما می‌توانند بلافاصله پس از فاجعه به اطلاعات دسترسی پیدا کنند و خسارت را ارزیابی کنند و خسارت‌ها را در عرض چند روز بپردازند». . بالون‌های ما همان چیزی را که ۸۰۰۰۰۰ پهپاد با یک پرواز انجام می‌دهند به تصویر می‌کشند – این بدان معناست که ما می‌توانیم برای مشتریان خود سریع‌تر، بهتر و ارزان‌تر باشیم.

استقرار اخیر به‌ویژه برای بازار بیمه خانه در ایالات متحده که به دلیل افزایش تعداد ساختمان‌های تخریب شده توسط بلایای آب و هوایی و افزایش هزینه‌های بازسازی خانه‌های ناشی از تورم، در تلاش برای محافظت از سرمایه‌گذاری‌های خود است، مفید است. در سال ۱۴۰۲، صنعت متحمل ۱۵.۲ میلیارد دلار ضرر خالص شد که بدترین زیان از سال ۱۳۷۸ تاکنون است.

حوادث آب و هوایی مکرر و شدید – مانند طوفان در جنوب شرقی ایالات متحده و آتش سوزی جنگلی در غرب – باعث شده است که شرکت های بیمه بزرگ از ایالت های پرخطر مانند فلوریدا، کالیفرنیا و تگزاس عقب نشینی کنند. این مهاجرت تأثیر منفی بر ارزش اموال داشته است و صاحبان خانه را با گزینه های کمتر و گران تر برای بیمه خانه و آتش سوزی مواجه کرده است. به گفته Near Space Labs، علت اصلی این بحران شکاف بین افزایش خطرات آب و هوایی و توانایی بیمه‌گران برای ارزیابی دقیق آنها است.

ماتووسیان در بیانیه شرکت گفت: بسیاری از شرکت‌های بیمه هنوز به روش‌های جمع‌آوری داده‌های هوایی از دهه ۱۳۲۸ برای ارزیابی خطرات آب و هوایی سال ۱۴۰۳ متکی هستند. زمانی که شما در نظر بگیرید که تنها ۶ درصد از ۲۵۰ میلیارد دلار خسارات ناشی از طوفان هلن ممکن است تحت پوشش بیمه قرار گیرد، مشخص می شود که روش های ارزیابی ریسک قدیمی در حال ایجاد یک اثر دومینویی هستند: داده های ضعیف منجر به قیمت گذاری سیاست نامناسب می شود که منجر به زیان های حامل می شود. که در نهایت بیمه‌گران را مجبور می‌کند کل بازارها را رها کنند – صاحبان خانه‌ها را سرگردان کرده و نمی‌توانند وام‌های مسکن را تضمین کنند.

شبکه سوئیفت – که در ارتفاعات بین ۶۰۰۰۰ تا ۸۵۰۰۰ فوت (۱۸۳۰۰ تا ۲۵۹۰۰ متر) پرواز می‌کند – می‌تواند مناطق وسیعی از بلایای طبیعی را به جای چند هفته، در عرض چند ساعت با جزئیات نقشه‌برداری کرده و به‌روزرسانی‌های مکرر ارائه دهد. این اطلاعات به بیمه‌گران این امکان را می‌دهد که تغییرات شرایط را رصد کنند، خطرات را با دقت بیشتری ارزیابی کنند و قیمت سیاست‌های مناسب را بررسی نمایند، که به‌طور بالقوه می‌تواند آن‌ها را قادر سازد در بازارهای موجود باقی بمانند یا به بازارهایی که قبلاً از آن‌ها خارج شده بودند، بازگردند.

ماتووسیان در مصاحبه ای با Best’s Review گفت که تصاویر با وضوح بالا همچنین در زمان و منابع بیمه گذاران صرفه جویی می کند که در غیر این صورت نیاز به اعزام افراد در محل برای ارزیابی خسارت اموال دارند.

او گفت: «ما به دنبال راه‌هایی برای کمک به بیمه‌گران هستیم تا مواردی مانند رطوبت خاک را برای خطر آتش‌سوزی و روش‌های جدید و ابتکاری برای نقشه‌برداری مناطقی که قبلاً مناطق پرخطر تلقی نمی‌شدند اما در حال حاضر هستند، ارزیابی کنند.» محله‌هایی در کلرادو وجود دارد که ارزیابی آنها بسیار سخت است، زیرا ناگهان آتش‌سوزی‌های جنگلی در آنجا بسیار رایج است.