AI-SUPPORTED LAYERED CAPACITY PLANNING FOR POST-DISASTER ELECTRONIC COMMUNICATION CONTINUITY

Abstract

The collapse of communication infrastructure after a disaster creates more than a technical outage; it simultaneously weakens healthcare coordination, logistics, search and rescue, and public command functions. This study proposes an AI-supported layered capacity planning model for restoring electronic communication continuity during the first 24 hours after a disruption. The model integrates mobile base stations, portable satellite nodes, and UAV relays within a single decision architecture. Methodologically, it combines resilience principles from the emergency communications literature with industrial engineering tools such as capacity planning, multi-criteria prioritization, and constrained resource allocation. The numerical experiment is conducted in a 12-zone synthetic decision environment defined by demand escalation, critical-service intensity, accessibility, and cyber-risk indicators. Three scenarios are examined: a dense urban earthquake, a regional power and access outage, and a combined cyber-physical crisis. Results show that the layered strategy raises average 24-hour weighted coverage to 76.6%, outperforming the single-layer solution by 3.2 percentage points and the reactive baseline by 14.2 points. In the first 90 minutes, the layered design reaches 49.0% weighted coverage, whereas the other two approaches remain at 25.2%. The performance gain is achieved with a limited cost increase, but the cyber exposure of the operating environment also grows. The study demonstrates that post-disaster communication resilience depends not only on adding more technology, but on activating the right resource portfolio at the right time. It therefore offers an actionable decision framework for pre-positioning, zero-trust control planes, and digital-twin-based preparedness exercises.

Keywords

• disaster communications
• AI-supported decision making
• capacity planning
• industrial engineering
• UAV relay networks

Afet Sonrası Elektronik Haberleşme Sürekliliğinde Yapay Zekâ Destekli Katmanlı Kapasite Planlaması

Abstract

Afet sonrasında haberleşme altyapısının çökmesi yalnızca teknik bir arıza üretmez; sağlık, lojistik, arama-kurtarma ve kamu koordinasyonunun aynı anda zayıflamasına yol açar. Bu çalışma, ilk 24 saatte elektronik haberleşme sürekliliğinin nasıl yeniden kurulacağına odaklanan yapay zekâ destekli katmanlı bir kapasite planlama modeli önermektedir. Model, mobil baz istasyonları, taşınabilir uydu düğümleri ve İHA rölelerini tek bir karar mimarisinde bir araya getirmektedir. Yöntem kısmında, literatürde tanımlanan dayanıklılık ilkeleri ile endüstri mühendisliğinin kapasite planlama, çok ölçütlü önceliklendirme ve kısıt altında kaynak tahsisi araçları birleştirilmiştir. Sayısal deney, talep artışı, kritik hizmet yoğunluğu, erişilebilirlik ve siber risk göstergeleriyle tanımlanan 12 bölgeli sentetik bir karar ortamında yürütülmüştür. Yoğun kentsel deprem, bölgesel enerji ve erişim kesintisi ile birleşik siber-fiziksel kriz olmak üzere üç senaryo incelenmiştir. Bulgular, katmanlı stratejinin ortalama 24 saatlik ağırlıklı kapsama oranını yüzde 76,6 düzeyine çıkararak tek katmanlı çözüme göre 3,2 puan, tepkisel yaklaşıma göre 14,2 puan üstünlük sağladığını göstermektedir. İlk 90 dakikada katmanlı yapı yüzde 49,0 kapsama ulaşırken diğer iki yaklaşım yüzde 25,2 düzeyinde kalmaktadır. Performans artışı sınırlı bir maliyet artışıyla elde edilse de siber risk yüzeyinin genişlediği görülmektedir. Çalışma, afet haberleşmesinde yalnızca yeni teknoloji eklemenin değil, doğru kaynak portföyünü doğru anda devreye almanın belirleyici olduğunu ortaya koymakta; ön-konumlandırma, sıfır güven mimarisi ve dijital ikiz tabanlı tatbikatlar için uygulanabilir bir karar çerçevesi sunmaktadır.

Keywords

• afet haberleşmesi
• yapay zekâ destekli karar verme
• kapasite planlama
• endüstri mühendisliği
• İHA röle ağları

Ethical Statement

Bu çalışmanın hazırlık sürecinde bilimsel ve etik ilkelere tamamen uyulmuştur. Çalışma, kamuya açık ikincil veriler ve literatür taraması üzerine kurulu bir senaryo analizi niteliği taşıdığından, "Etik Kurul İzni" gerektirmemektedir. Yararlanılan tüm kaynaklar metin içerisinde ve kaynakçada usulüne uygun şekilde belirtilmiştir.

Thanks

Bu çalışmanın veri toplama ve analiz süreçlerindeki kıymetli desteklerinden dolayı Ostim Teknik Üniversitesi öğretim üyelerine teşekkürlerimizi sunarız.

References

1. Altay, N., & Green, W. G. (2006). OR/MS research in disaster operations management. European Journal of Operational Research, 175(1), 475-493. https://doi.org/10.1016/j.ejor.2005.05.016
2. Berioli, M., Caus, M., Corazza, G. E., de Sanctis, M., Ferrante, A., Gaudenzi, R., Salvadori, C., Vanelli-Coralli, A., & Wietfeld, C. (2011). WISECOM: A rapidly deployable satellite backhauling system for emergency situations. International Journal of Satellite Communications and Networking, 29(5), 419-440. https://doi.org/10.1002/sat.982
3. Cybersecurity and Infrastructure Security Agency. (2023). Zero Trust Maturity Model: Version 2.0. https://www.cisa.gov/resources-tools/resources/zero-trust-maturity-model
4. Dcruz, J. G., Zolotas, A., Greenwood, N. R., & Arana-Catania, M. (2025). Structured AI decision-making in disaster management. Scientific Reports, 15, 32093. https://doi.org/10.1038/s41598-025-15317-w
5. Galindo, G., & Batta, R. (2013). Review of recent developments in OR/MS research in disaster operations management. European Journal of Operational Research, 230(2), 201-211. https://doi.org/10.1016/j.ejor.2013.01.039
6. ITU Telecommunication Standardization Sector. (2016). Recommendation ITU-T L.392: Disaster management for improving network resilience and recovery with movable and deployable information and communication technology (ICT) resource units. https://www.itu.int/rec/T-REC-L.392/en, 17.02.2026
7. Lagap, U., & Ghaffarian, S. (2024). Digital post-disaster risk management twinning: A review and improved conceptual framework. International Journal of Disaster Risk Reduction, 110, 104629. https://doi.org/10.1016/j.ijdrr.2024.104629
8. National Institute of Standards and Technology. (2025). Implementing a zero trust architecture (NIST Special Publication 1800-35). https://doi.org/10.6028/NIST.SP.1800-35

9. Okeukwu-Ogbonnaya, A., Amariucai, G., Natarajan, B., & Kim, H. J. (2024). Towards quantifying the communication aspect of resilience in disaster-prone communities. Scientific Reports, 14, 8837. https://doi.org/10.1038/s41598-024-59192-3
10. OECD. (2025). Enhancing the resilience of communication networks. https://doi.org/10.1787/d6920477-en
11. Rose, S., Borchert, O., Mitchell, S., & Connelly, S. (2020). Zero trust architecture (NIST Special Publication 800-207). National Institute of Standards and Technology. https://doi.org/10.6028/NIST.SP.800-207
12. Soularidis, A., Kotis, K. I., & Vouros, G. A. (2024). Real-time semantic data integration and reasoning in life- and time-critical decision support systems. Electronics, 13(3), 526. https://doi.org/10.3390/electronics13030526
13. Sterbenz, J. P. G., Hutchison, D., Cetinkaya, E. K., Jabbar, A., Rohrer, J. P., Schöller, M., & Smith, P. (2010). Resilience and survivability in communication networks: Strategies, principles, and survey of disciplines. Computer Networks, 54(8), 1245-1265. https://doi.org/10.1016/j.comnet.2010.03.005
14. Wang, Q., Li, W., Yu, Z., Abbasi, Q., Imran, M., Ansari, S., Sambo, Y., Wu, L., Li, Q., & Zhu, T. (2023). An overview of emergency communication networks. Remote Sensing, 15(6), 1595. https://doi.org/10.3390/rs15061595
15. Wen, C., Chen, G., Gu, X., & Wang, W. (2025). Joint optimization of communication rates for multi-UAV relay systems. Complex & Intelligent Systems, 11, 289. https://doi.org/10.1007/s40747-025-01910-z World Bank. (2024). Resilient telecommunications infrastructure: A practitioner's guide. https://hdl.handle.net/10986/42290, 14.02.2026
16. Yucesoy, E., Balcik, B., & Coban, E. (2025). The role of drones in disaster response: A literature review of operations research applications. International Transactions in Operational Research, 32(2), 545-589. https://doi.org/10.1111/itor.13484
17. Zeng, Y., Tan, X., Sha, M., Hussain, Z. K., Lin, T., Tu, J., Wang, H., Liu, B., Li, C., Huang, F., & Sha, Z. (2024). The study of DDPG based spatiotemporal dynamic deployment optimization of Air-Ground ad hoc network for disaster emergency response. International Journal of Applied Earth Observation and Geoinformation, 128, 103708. https://doi.org/10.1016/j.jag.2024.103708
18. Zhao, L., Liu, X., & Shang, T. (2025). Maximizing coverage in UAV-based emergency communication networks using deep reinforcement learning. Signal Processing, 230, 109844. https://doi.org/10.1016/j.sigpro.2024.109844
19. Zhou, J., Zhou, C., Kang, Y., & Tu, S. (2021). Integrated satellite-ground post-disaster emergency communication networking technology. Natural Hazards Research, 1(1), 4-10. https://doi.org/10.1016/j.nhres.2020.12.002