基于预测需求与服务品质指数的城市消防站选址规划
机器学习
2022-02-22 v2 信息检索
最优化与控制
摘要
在本文中，我们提出一种用于消防站选址规划的系统方法。我们基于随机森林 (Random Forest) 与极端梯度提升 (Extreme Gradient Boosting) 开发了机器学习模型用于需求预测，并进一步利用这些模型定义一种广义指数来衡量城市环境中的消防服务质量。我们的模型构建于从多个不同来源收集的空间数据之上。合理的设施规划效能取决于候选点的选择，即消防站可位于何处以及是否包含既有站。同时，为维持消防安全标准，需考虑从这些候选点到需求点的通行时间。在此，我们提出一种基于通行时间的聚类技术来识别合适候选点。最后，我们建立了一个优化问题以选择安装新消防站的最佳位置。我们的优化问题构建于基于整数规划的最大覆盖问题之上。我们进一步开发了二阶段随机优化模型来刻画决策结果中的置信度。我们与美国明尼苏达州维多利亚市消防局合作，对所提方法进行了详细的实验研究。我们的需求预测模型真阳性率约为 80%，假阳性率约为 20%。我们借助所提方法协助维多利亚消防局选定新消防站位置。我们给出了在该市按我们的方法建议增设新设施后的改进统计详细结果。
引用
@article{arxiv.2109.02160,
title = {Urban Fire Station Location Planning using Predicted Demand and Service Quality Index},
author = {Arnab Dey and Andrew Heger and Darin England},
journal= {arXiv preprint arXiv:2109.02160},
year = {2022}
}