作为将社交距离与应急疏散相集成工具的路由算法
人工智能
2021-10-15 v4 计算机与社会
人机交互
机器学习
摘要
COVID-19 大流行的一个教训是社交距离的重要性，即便在飓风前疏散等困难情形下也是如此。为探究将社交距离与疏散行动相集成的含义，我们将该疏散过程描述为一个带容量约束的车辆路由问题（CVRP），并使用基于 DNN（深度神经网络）的方案（深度强化学习）与非 DNN 方案（扫描算法）求解。一个核心问题是，深度强化学习是否提供足够额外的路由效率，以在限时疏散行动中容纳增加的社交距离。我们发现，相较于扫描算法，深度强化学习可为决策者提供更高效的路由。然而，深度强化学习节省的疏散时间远不足以补偿社交距离所需的额外时间，且其优势随应急车辆容量接近每户人数而消失。
引用
@article{arxiv.2103.03413,
title = {Routing algorithms as tools for integrating social distancing with emergency evacuation},
author = {Yi-Lin Tsai and Chetanya Rastogi and Peter K. Kitanidis and Christopher B. Field},
journal= {arXiv preprint arXiv:2103.03413},
year = {2021}
}