Dünyanın en aktif sismik kuşaklarından birinde yer alan kentsel alanlar için zaman, afet hazırlık süreçlerindeki en büyük düşman ya da en değerli müttefik haline gelebiliyor. Deprem riski yüksek bölgelerde mevcut yapı stokunun titizlikle incelenmesi hayati önem taşırken, geleneksel saha taramalarının zaman alıcı, yoğun emek gerektiren ve insan odaklı hatalara açık yapısı afet yönetimini yavaşlatan en büyük yapısal engeller arasında yer alıyordu. Erzincan şehir merkezinde gerçekleştirilen öncü bir bilimsel araştırma, yapay zekanın inşaat mühendisliği pratikleriyle evliliğinden doğan hibrit bir yazılım platformunun, binaların deprem hazırlık durumunu saniyeler içinde analiz edebildiğini kanıtladı. Mühendislik algoritmalarını derin öğrenmeyle birleştiren bu dijital devrim, şehir planlamasında ve bölgesel risk haritalandırılmasında yepyeni bir ufuk açıyor.
Saatlerden Dakikalara: Sismik Envanterde Zaman Bükülmesi
Geliştirilen NoSQL tabanlı tam yığın (full-stack) yazılım mimarisi, geleneksel yöntemlerle saatler süren on binanın saha analiz ve risk puanlama sürecini sadece on dakika gibi inanılmaz bir süreye indirerek muazzam bir vakit avantajı sağlıyor. Sistem, incelenmek istenen yapının dört farklı cephesinden (ön, arka, sağ, sol) çekilen fotoğrafların sisteme yüklenmesiyle çalışmaya başlıyor.
Arka planda çalışan paralel asenkron işlem motorları, tek bir arayüz üzerinde üç farklı değerlendirme modelini eş zamanlı olarak koşturuyor. İlk iki aşamada Türkiye'de uzun süredir kullanılan geleneksel sokak tarama ve anket metodolojileri yapay zeka tarafından simüle edilirken, üçüncü aşamada doğrudan yapının piksellerine odaklanan makine öğrenmesi destekli görsel analiz modülü devreye giriyor. Sonuçlar; saniyeler içinde risk seviyesi, skorlama ve teknik öneriler içeren dinamik PDF raporlarına dönüştürülüyor.
Piksellerdeki Tehlike: Yapay Zeka ve İnsan Gözünün %90’lık Kusursuz İttifakı
Araştırmanın en çarpıcı bulgusu, yapay zeka tabanlı görsel analiz modülünün ürettiği risk puanları ile sahadaki uzman mühendisler ve bina sakinlerinden toplanan reel verilerin %80 ila %90 oranında kusursuz bir benzerlik sergilemesi oldu. 30 bina üzerinde yapılan testler, algoritmanın dışarıdan gözlemlenebilen yapısal kusurları yakalamada ne denli kararlı bir matematiksel mantığa sahip olduğunu gösterdi.
Yazılım; özellikle bitişik nizam yapılaşmanın yoğun olduğu caddelerde, binaların deprem anındaki farklı salınımlar nedeniyle birbirine çarpmasına yol açan çekiçleme etkisini ve zemin katları duvar örülmeden tamamen cam vitrinlerle geçilen binalardaki ölümcül yumuşak kat düzensizliklerini tespit etmede yüksek bir başarı yakaladı.
Kaynak; Mevcut Yapıların Depreme Hazırlık Değerlendirmesi: ERZİNCAN İLİ ÖRNEĞİ, İnşaat Mühendisliği Anabilim Dalı Yüksek Lisans Tezi, Erzincan Binali Yıldırım Üniversitesi, Fen Bilimleri Enstitüsü, 2026. Tez No; 1002770
