طبق اعلام اتحادیه اروپا، هزینه‌ی تعمیر و نگه‌داری زیرساخت‌های حمل و نقل در نتیجه اثر مستقیم خطرات طبیعی، حدود 20 میلیارد یورو هزینه دارد. همچنین جامعه مهندسان عمران آمریكا معتقد است كه غفلت از نگه‌داری زیرساخت‌های حمل و نقل می تواند عواقب وخیم اقتصادی در پی داشته باشد، از جمله از دست دادن 2.5 میلیون شغل و 7 تریلیون دلار در کسب و کارهای فروش تا سال 2025 – ارقامی كه می‌توانند در نتیجه تغییرات آب و هوایی 16 درصد افزایش یابد.
در مقاله‌ای که توسط مجله Science of Total Environment منتشر شده است، متخصصان دانشگاه Surrey به همراه شرکایی از یونان و چین به بررسی چگونگی اثر داده‌های نظارت بر عملکرد و بهداشت ساختاری SHFM) که به طور گسترده در سیستم‌های مدیریت ترافیک استفاده می‌شود) می‌توانند بر تصمیم‌گیری روی زیرساخت‌ها تأثیر بگذارند و مدیریت این تیم بر نقش کلیدی داده‌های SHFM متمرکز است که ساختارهای شبکه ترافیکی ما طعمه بلایای طبیعی می‌شوند.
یک تیم بین المللی همچنین بهترین روش‌های فعلی را برای اطمینان از انعطاف پذیری زیرساخت‌های حمل و نقل را، چه قبل و چه بعد از بروز خطرات بررسی می‌کند. این تیم به طراحی، نظارت و ارزیابی دقیق و سریع جنبه‌های اصلی زیرساخت ها: پاسخ ، جذب، بازیابی و سازگاری آنها پرداختند. نتایج نشان داد که استفاده از SHFM همراه با فنآوری‌های دیجیتالی نوظهور مانند هوش مصنوعی برای افزایش انعطاف پذیری شبکه‌های حمل و نقل بسیار حیاتی است، زیرا این فناوری ترمیم و بازیابی سریعتر را امکان‌پذیر می‌کنند. همچنین می‌توان از فناوری پیشرفته برای ثبت دقیق اطلاعات در مورد قرار گرفتن در معرض پل‌ها، تونل‌ها و سایر زیرساختی استفاده کرد.
دکتر دیمیترا آچیلوپولو، نویسنده اصلی و محقق ماری کوری از دانشگاه Surrey گفت: “تغییرات اقلیمی بزرگ‌ترین چالش زندگی ما است و ما باید با آن روبرو شویم. باید بپرسیم که زیرساخت‌های حیاتی مانند جاده‌ها و پل‌ها (که بسیاری از آنها در حال خراب شدن هستند) در هنگام خطرات مهم حد بیش از حد قابل استفاده خواهند بود. آیا ما سیستم‌ها و فرایندهایی برای هشدار، اقدام و واکنش‌های موثر آماده کرده‌ایم؟ مطالعه ما نشان می‌دهد که برای ارزیابی دقیق و حفاظت از شبکه‌های حمل و نقل ما باید به سمت آینده‌ای دیجیتال حرکت کند. این به معنای پذیرش انقلاب‌های دیجیتال هوش مصنوعی و 5G است، زیرا این فنآوری‌ها یک پیشرفت بزرگ در ارزیابی پیچیده طیف گسترده‌ای از داده‌ها است.
