复杂交通网络中基于仿真环境的车辆拦截策略性能评估
物理与社会
2023-05-25 v1 系统与控制
系统与控制
摘要
我们考虑交通网络中的逃逸拦截问题。在网络中没有交通流时，犯罪分子/攻击者试图利用从犯罪现场到任意随机选择的出口点的任一最短路径逃离城市。在存在交通流时，攻击者选择到达目的地耗时最少的最佳路径。相反，警察/防御者试图在攻击者的逃逸路线上对其进行拦截。对于资源有限的警察而言，这是一项具有挑战性的任务。同时，真实的城市道路网络本质上也是复杂的。首先，我们使用 SUMO 仿真器开发了一个用于资源最优分配的基于仿真的模型。接下来，我们专注于开发更高级的搜索策略，例如基于最优资源分配的路由。我们在仿真环境中开发了一种新颖的元启发式方法，以在动态犯罪场景中拦截攻击者。与先前的方法类似，攻击者遵循耗时最优的路径逃离城市。相比之下，防御者试图无论攻击者选择哪条路径都将其抓获。防御者的目标是最大化拦截概率。由于时间起着至关重要的作用，我们选择元启发式方法以时间高效的方式提供高质量的解决方案。我们以印度 IIT Kharagpur 地图为案例，对所开发的元启发式方法进行了测试。我们使用 SUMO 仿真器在存在交通流和无交通流的情况下分析了上述方法的性能。我们开发了一个线性回归模型，用于在存在交通流时生成最优路径。这里的交通流是使用 SUMO 仿真器在整个网络中随机生成的。
引用
@article{arxiv.2305.14372,
title = {Performance assessment of vehicle interdiction strategies in a simulation based environment on a complex transportation network},
author = {Sukanya Samanta and Jatin Uniyal and Goutam Sen and Soumya Kanti Ghosh},
journal= {arXiv preprint arXiv:2305.14372},
year = {2023}
}
备注
35 pages, 9 figures