应急零时延：一种基于机器学习量化城市环境中建设项目对应急响应影响的方法
计算机与社会
2019-06-24 v1
摘要
城市环境中持续的建设和修复工作对急救人员抵达应急地点的时间有着不可避免的影响。当前关于应急响应评估的研究工作聚焦于案例研究，即分析特定时段（如超级风暴桑迪期间）的应急响应时间。也存在基于仿真的研究，旨在评估与各种约束/车队规模相关的响应时间。然而，它们并未分析城市环境中具体变化（如新的和进行中的建设项目）如何影响急救人员的应急响应时间。本文旨在填补这一空白，并提出一种新方法，利用关于建设活动的区域结构来预测给定地点的预期应急响应时间。该方法依赖于城市机构发布的应急响应历史记录和建设许可。该方法首先基于该区域历史上许可的建设工作类型随时间的分布，按邮政编码定义区域的建设活动特征。然后，对具有相似特征的区域进行聚类，以探寻建设特征与应急响应时间之间是否存在关系。接下来，部署监督学习算法来预测每个聚类的平均应急响应时间。该方法使用纽约市的建设许可和应急响应记录进行了测试，并可轻易复制到其他具有类似公共数据集的城市。本研究是定量理解城市环境中建设项目对生活质量(QoL)指标（特别是应急响应时间）影响的第一步。
引用
@article{arxiv.1906.08910,
title = {Zero Latency for Emergencies: A Machine Learning based Approach to Quantify Impact of Construction Projects on Emergency Response in Urban Settings},
author = {Zhengbo Zou and Semiha Ergan},
journal= {arXiv preprint arXiv:1906.08910},
year = {2019}
}