基于数据驱动的亚特兰大警区设计优化
最优化与控制
2021-11-04 v2 机器学习
摘要
我们提出了一种数据驱动的优化框架，用于重新设计城市环境中的警察巡逻区。其目标是重新平衡各地理区域的警力工作量并减少紧急呼叫的响应时间。我们通过整合多种数据源（包括警情报告、人口统计调查和交通数据）建立了警察紧急响应的随机模型。利用该随机模型，我们采用混合整数线性规划优化警区重新设计方案。亚特兰大警察局于2019年3月实施了我们提出的设计。通过分析警区重新设计前后的数据，我们表明新设计将高优先级911呼叫的响应时间缩短了5.8%，并将不同警区之间警力工作量的不平衡降低了43%。
引用
@article{arxiv.2104.00535,
title = {Data-Driven Optimization for Atlanta Police Zone Design},
author = {Shixiang Zhu and He Wang and Yao Xie},
journal= {arXiv preprint arXiv:2104.00535},
year = {2021}
}