SafeRoute：在城市环境中学习安全导航街道
人工智能
2018-11-06 v1
摘要
近期研究表明，85% 的女性曾改变出行路线以避免骚扰和攻击。尽管如此，当前的地图工具并未赋予用户以个人信息掌控自身安全的能力。我们提出 SafeRoute，一种针对城市导航及规避街头骚扰与犯罪问题的新颖解决方案。不同于其他街道导航应用，SafeRoute 通过深度强化学习引入了一种新型路径生成方式。这使我们能够成功优化多准则路径搜索，并将表示学习整合进我们的框架中。我们的智能体学习挑选有利街道，以利用结合安全性与效率的奖励函数创建安全且短的路径。鉴于许多城市近期犯罪报告的可用性，我们在波士顿、纽约和旧金山训练模型进行实验。我们在这些城市区域（特别是游客及不熟悉街道者步行的繁华 downtown 区域）测试模型。我们评估 SafeRoute，并成功在距犯罪的局部平均距离上比 SOTA 方法提升多达 17%，同时将路径长度减少多达 7%。
引用
@article{arxiv.1811.01147,
title = {SafeRoute: Learning to Navigate Streets Safely in an Urban Environment},
author = {Sharon Levy and Wenhan Xiong and Elizabeth Belding and William Yang Wang},
journal= {arXiv preprint arXiv:1811.01147},
year = {2018}
}
备注
8 pages