Förbättra beredskapen för storskaliga gränsöverskridande katastrofer

Förväntat resultat

Projektresultaten förväntas bidra till några eller alla av följande förväntade utfall: Användning av virtuell och förstärkt verklighetsträning för att simulera storskaliga och gränsöverskridande katastrofer, vilket förbättrar katastrofhanteringens beredskap och responsförmåga; Utveckling av olika krisscenarier med hjälp av VR/AR-teknik, som erbjuder immersiva och praktiska träningsupplevelser för räddningspersonal, insatsledare och beslutsfattare; Förstärkt förmåga hos insatsledare och beslutsfattare att hantera storskaliga, gränsöverskridande katastrofscenarier genom avancerade, teknikdrivna träningsprogram; Förbättrad kunskaps- och erfarenhetsdelning från tidigare nödsituationer för att hantera framtida kriser, samt stärkt transnationellt kunskaps- och datautbyte mellan EU-länder, från tidig varning till tidig insats.

Omfattning

Ämnet fokuserar på att förbättra beredskapen för storskaliga, gränsöverskridande katastrofer genom att utnyttja avancerade träningsmetoder, inklusive simuleringar med virtuell verklighet (VR), förstärkt verklighet (AR) och Digital Twins. Målet är att förbättra beredskapen och responsförmågan hos katastrofinsatser och personal inom krishantering genom att erbjuda immersiva, teknikdrivna träningsupplevelser som återskapar komplexa katastrofscenarier. Förslag bör utveckla och validera innovativa VR/AR-baserade krissimuleringsmodeller som kan återge olika storskaliga katastrofsituationer, inklusive gränsöverskridande risker som skogsbränder, översvämningar, jordbävningar och industriolyckor. Dessa simuleringar bör inkludera nästan realtidsdata, AI-driven anpassning av scenarier och möjligheter för flera användare att interagera för att säkerställa realistiska och effektiva träningsövningar. Särskild uppmärksamhet bör ägnas åt interoperabiliteten hos dessa träningsplattformar, så att räddningstjänster från olika regioner och länder kan samarbeta i gemensamma beredskapsövningar. Rekommendationer som tar hänsyn till ett genusperspektiv bör också förbättra krissimuleringarna genom att beakta olika behov och erfarenheter. Forskning bör även undersöka hur digitala träningsmiljöer kan förbättra situationsmedvetenhet, beslutsfattande och samordning mellan katastrofhantering och relevanta myndigheter. Integrering av gamification-tekniker, AI-baserade coachningssystem och realtidsbedömning av prestationer bör övervägas för att maximera lärande och anpassning till föränderliga krisscenarier, kopplat till tidigare teman (t.ex. biometrik och långvariga störningar, eller hela samhällets säkerhet, multiriskteman etc.). Vidare bör förslag fokusera på att stärka mekanismer för kunskaps- och erfarenhetsutbyte mellan EU:s medlemsstater genom att utveckla transnationella träningsramverk och krishanteringsprotokoll, i samordning med UCPM:s träningsprogram. Detta bör inkludera etablering av digitala plattformar och samarbetsnätverk för att underlätta utbyte av lärdomar från tidigare nödsituationer och främja kontinuerlig förbättring av katastrofinsatsstrategier. Projekt bör genomföra en intressent- eller marknadsanalys samt en färdplan eller plan för införande av de utvecklade metoderna, resultaten och teknologierna till industrin, forsknings- och innovationssamhället och/eller relevanta myndigheter. Etiska, juridiska och sociala aspekter relaterade till användningen av immersiva träningsteknologier bör också behandlas, för att säkerställa efterlevnad av dataskyddsregler och maximera allmänhetens förtroende för användningen av dessa verktyg. Förtroendet bör även omfatta verktygens säkerhet, vilket bör inkludera lämpliga åtgärder för motståndskraft mot framväxande kryptografiska hot.

Vad detta innebär för städer och regioner

Katastrofinsatser, myndigheter för krishantering och regionala myndigheter som samordnar över gränser. Ämnets budget är 8 miljoner euro; 2 bidrag förväntas; cirka 4 miljoner euro per projekt. Utlysningen öppnar 5 maj 2027 och stänger 4 november 2027. Realistiska simuleringar och digitala tvillingar byggs på terräng-, markanvändnings- och tidigare händelsedata från jordobservation.