面向网络容量受限的主动射击事件疏散计划优化
人工智能
2025-05-14 v1 计算机与社会
摘要
2016 至 2022 年间，美国发生了超过 3400 起公共射击事件，其中 25.1% 发生在教育机构，29.4% 发生在工作场所包括办公楼，19.6% 发生在零售店 location，13.4% 发生在餐馆和酒吧。在这些关键情境下，正确决策进行疏散可救命与否。然而，紧急疏散极其压力大，且缺乏可验证的实时信息可能导致致命错误决策。为解决此问题，我们开发了一个多路由规划优化算法，该算法在考虑沿路线可用容量的同时，为每个疏散人员确定多个最优安全路径，从而减少拥堵和瓶颈的风险。总体而言，我们的算法比我们之前的无容量约束的路由算法和专家建议的路由策略分别减少了 34.16% 和 53.3% 的死亡人数。进一步，我们的方法在减少拥堵方面使得关键瓶颵节点的占用率约降低 50%，分别与另外两个疏散算法相比。
引用
@article{arxiv.2505.07830,
title = {An Optimized Evacuation Plan for an Active-Shooter Situation Constrained by Network Capacity},
author = {Joseph Lavalle-Rivera and Aniirudh Ramesh and Subhadeep Chakraborty},
journal= {arXiv preprint arXiv:2505.07830},
year = {2025}
}
备注
21 pages, 18 figures