論文の概要: Enhancing Evacuation Planning through Multi-Agent Simulation and
Artificial Intelligence: Understanding Human Behavior in Hazardous
Environments
- arxiv url: http://arxiv.org/abs/2307.09485v1
- Date: Sun, 11 Jun 2023 08:13:42 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-23 17:02:28.738249
- Title: Enhancing Evacuation Planning through Multi-Agent Simulation and
Artificial Intelligence: Understanding Human Behavior in Hazardous
Environments
- Title(参考訳): マルチエージェントシミュレーションと人工知能による避難計画の強化--危険環境における人間行動の理解
- Authors: Afnan Alazbah and Khalid Fakeeh and Osama Rabie
- Abstract要約: 本稿では人工知能(AI)技術,特にマルチエージェントシステム(MAS)を用いて避難シミュレーションモデルを構築した。
本研究の目的は、このような苦しい状況下で、個人がどのように反応し、反応するかについての理解を深めることである。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper focuses on the crucial task of addressing the evacuation of
hazardous places, which holds great importance for coordinators, event hosts,
and authorities. To facilitate the development of effective solutions, the
paper employs Artificial Intelligence (AI) techniques, specifically Multi-Agent
Systems (MAS), to construct a simulation model for evacuation. NetLogo is
selected as the simulation tool of choice due to its ability to provide a
comprehensive understanding of human behaviour in distressing situations within
hazardous environments. The primary objective of this paper is to enhance our
comprehension of how individuals react and respond during such distressing
situations. By leveraging AI and MAS, the simulation model aims to capture the
complex dynamics of evacuation scenarios, enabling policymakers and emergency
planners to make informed decisions and implement more efficient and effective
evacuation strategies. This paper endeavours to contribute to the advancement
of evacuation planning and ultimately improve the safety and well-being of
individuals in hazardous places
- Abstract(参考訳): 本稿では, コーディネーター, イベント開催者, 当局にとって重要な, 有害な場所の避難に対処する重要な課題に焦点をあてる。
効率的なソリューションの開発を容易にするため,我々は人工知能(AI)技術,特にマルチエージェントシステム(MAS)を用いて避難シミュレーションモデルを構築した。
netlogoは、危険な環境における苦難状況における人間の行動の包括的理解を提供する能力により、選択のシミュレーションツールとして選択される。
本研究の目的は,このような危機的状況において,個人の反応や反応の理解を深めることである。
AIとMASを活用することで、シミュレーションモデルは避難シナリオの複雑なダイナミクスを捉え、政策立案者と緊急計画立案者が情報的な決定を行い、より効率的で効果的な避難戦略を実現することを目的としている。
本研究は, 避難計画の進展に寄与し, 最終的には危険地における個人の安全と幸福を向上させることを目的とする。
関連論文リスト
- HAZARD Challenge: Embodied Decision Making in Dynamically Changing
Environments [93.94020724735199]
HAZARDは、火災、洪水、風などの3つの予期せぬ災害シナリオで構成されている。
このベンチマークにより、さまざまなパイプラインで自律エージェントの意思決定能力を評価することができる。
論文 参考訳(メタデータ) (2024-01-23T18:59:43Z) - AI-Based Energy Transportation Safety: Pipeline Radial Threat Estimation
Using Intelligent Sensing System [52.93806509364342]
本稿では,分散光ファイバーセンシング技術に基づくエネルギーパイプラインの放射状脅威推定手法を提案する。
本稿では,包括的信号特徴抽出のための連続的マルチビュー・マルチドメイン機能融合手法を提案する。
本研究では,事前学習モデルによる伝達学習の概念を取り入れ,認識精度と学習効率の両立を図る。
論文 参考訳(メタデータ) (2023-12-18T12:37:35Z) - Optimising Human-AI Collaboration by Learning Convincing Explanations [62.81395661556852]
本研究では,人間による意思決定によって安全を保ちながら協調的なシステムを構築する手法を提案する。
Ardentは、説明のための個人の好みに適応することで、効率的で効果的な意思決定を可能にする。
論文 参考訳(メタデータ) (2023-11-13T16:00:16Z) - An Overview of Catastrophic AI Risks [38.84933208563934]
本稿では,破滅的なAIリスクの主な要因について概説し,その要因を4つのカテゴリに分類する。
個人やグループが意図的にAIを使用して危害を及ぼす悪用; 競争環境がアクターに安全でないAIを配置させたり、AIに制御を強制するAIレース。
組織的リスクは 人的要因と複雑なシステムが 破滅的な事故の 可能性を高めることを示しています
不正なAIは、人間よりもはるかにインテリジェントなエージェントを制御することの難しさを説明する。
論文 参考訳(メタデータ) (2023-06-21T03:35:06Z) - Constrained Reinforcement Learning for Robotics via Scenario-Based
Programming [64.07167316957533]
DRLをベースとしたエージェントの性能を最適化し,その動作を保証することが重要である。
本稿では,ドメイン知識を制約付きDRLトレーニングループに組み込む新しい手法を提案する。
我々の実験は、専門家の知識を活用するために我々のアプローチを用いることで、エージェントの安全性と性能が劇的に向上することを示した。
論文 参考訳(メタデータ) (2022-06-20T07:19:38Z) - AI Agents in Emergency Response Applications [0.0]
救急隊員は、火災、医療、有害物質、産業事故、自然災害など様々な状況に対応している。
ミッションクリティカルな"エッジAI"の状況では、低レイテンシで信頼性の高い分析が必要になります。
本稿では、5Gサービスベースのアーキテクチャを介してAIエージェントをデプロイするためのエージェントベースアーキテクチャを提案する。
論文 参考訳(メタデータ) (2021-09-10T03:24:50Z) - CausalCity: Complex Simulations with Agency for Causal Discovery and
Reasoning [68.74447489372037]
本稿では,因果探索と反事実推論のためのアルゴリズムの開発を目的とした,高忠実度シミュレーション環境を提案する。
私たちの作業の中核となるコンポーネントは、複雑なシナリオを定義して作成することが簡単になるような、テキストの緊急性を導入することです。
我々は3つの最先端の手法による実験を行い、ベースラインを作成し、この環境の可利用性を強調する。
論文 参考訳(メタデータ) (2021-06-25T00:21:41Z) - A deep Q-Learning based Path Planning and Navigation System for
Firefighting Environments [3.24890820102255]
ストレス誘発性不整合と不安に免疫を持つQ-ラーニングに基づく深層エージェントを提案する。
概念実証として、Unreal Engineと呼ばれるゲームエンジンの構造的な火災を模倣する。
体験リプレイを利用して学習プロセスを加速し、エージェントの学習を人間由来の体験で増強する。
論文 参考訳(メタデータ) (2020-11-12T15:43:17Z) - Heterogeneous Multi-Agent Reinforcement Learning for Unknown Environment
Mapping [0.0]
異種エージェントのチームが未知の環境をカバーするための分散制御ポリシーを学習できるようにするアクター批判アルゴリズムを提案する。
このタスクは、無人航空機のチームを配置することで危険地域における状況認識を高めたい国家の安全と緊急対応組織に関心を寄せている。
論文 参考訳(メタデータ) (2020-10-06T12:23:05Z) - Cautious Adaptation For Reinforcement Learning in Safety-Critical
Settings [129.80279257258098]
都市運転のような現実の安全クリティカルな目標設定における強化学習(RL)は危険である。
非安全クリティカルな「ソース」環境でエージェントが最初に訓練する「安全クリティカル適応」タスクセットを提案する。
多様な環境における事前経験がリスクを見積もるためにエージェントに装備するという直感に基づくソリューションアプローチであるCARLを提案する。
論文 参考訳(メタデータ) (2020-08-15T01:40:59Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。