基于强化学习模拟的主动射击事件建筑安全设计探索：建筑出口参数分析
人工智能
2024-07-16 v1 机器学习
摘要
随着美国主动射击事件（ASIs）的恶性增加，通过建筑设计提升公共安全已成为迫切需求。本研究提出了一种基于强化学习的仿真方法，旨在解决现有研究忽略射手动态行为的局限性。我们开发了一个在逼真办公环境中模拟主动射击事件的自主智能体，以提供建筑设计参数与ASIs结果之间相互作用的见解。开展案例研究，定量探讨建筑出口数量（可访问出口总数）和配置（哪些出口可用或不可用的安排）对疏散和伤害率的影响。研究结果表明，出口可用性显著提高疏散效果并降低伤害。距离射手初始位置较近的出口在可达性方面比距离较远的出口更为重要。通过包含射手的动态行为，本研究为对抗不断演变的威胁提供了建筑安全设计的初步见解。
引用
@article{arxiv.2407.10441,
title = {Enhancing Building Safety Design for Active Shooter Incidents: Exploration of Building Exit Parameters using Reinforcement Learning-Based Simulations},
author = {Ruying Liu and Wanjing Wu and Burcin Becerik-Gerber and Gale M. Lucas},
journal= {arXiv preprint arXiv:2407.10441},
year = {2024}
}