論文の概要: A Multi-agent Simulation for the Mass School Shootings
- arxiv url: http://arxiv.org/abs/2412.03882v1
- Date: Thu, 05 Dec 2024 05:29:57 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-12-06 14:41:52.476655
- Title: A Multi-agent Simulation for the Mass School Shootings
- Title(参考訳): マススクールシューティングのためのマルチエージェントシミュレーション
- Authors: Wei Dai, Yash Singh, Rui Zhang,
- Abstract要約: 米国での銃乱射事件の頻度は、重大な懸念として高まっている。
本研究は,マルチエージェントシミュレーションモデルの構築により,潜在的な緩和対策のシミュレーションと評価の課題に対処することを目的とする。
- 参考スコア(独自算出の注目度): 8.46557643646903
- License:
- Abstract: The increasing frequency of mass school shootings in the United States has been raised as a critical concern. Active shooters kill innocent students and educators in schools. These tragic events highlight the urgent need for effective strategies to minimize casualties. This study aims to address the challenge of simulating and assessing potential mitigation measures by developing a multi-agent simulation model. Our model is designed to estimate casualty rates and evacuation efficiency during active shooter scenarios within school buildings. The simulation evaluates the impact of a gun detection system on safety outcomes. By simulating school shooting incidents with and without this system, we observe a significant improvement in evacuation rates, which increased from 16.6% to 66.6%. Furthermore, the Gun Detection System reduced the average casualty rate from 24.0% to 12.2% within a period of six minutes, based on a simulated environment with 100 students. We conducted a total of 48 simulations across three different floor layouts, varying the number of students and time intervals to assess the system's adaptability. We anticipate that the research will provide a starting point for demonstrating that a gunshot detection system can significantly improve both evacuation rates and casualty reduction.
- Abstract(参考訳): 米国での銃乱射事件の頻度は、重大な懸念として高まっている。
射手は学校で無実の生徒や教育者を殺害する。
これらの悲劇的な出来事は、死傷者を最小限に抑える効果的な戦略の緊急の必要性を浮き彫りにする。
本研究は,マルチエージェントシミュレーションモデルの構築により,潜在的な緩和対策のシミュレーションと評価の課題に対処することを目的とする。
本モデルは,学校建物内におけるアクティブ・シューティング・シナリオにおいて,カジュアル率と避難効率を推定するために設計されている。
シミュレーションは、銃検知システムが安全性に与える影響を評価する。
学校銃乱射事件のシミュレートにより,避難率は16.6%から66.6%へと大幅に向上した。
さらに、100人の学生を模擬した環境に基づいて、銃検知システムは6分間で平均的死亡率を24.0%から12.2%に引き下げた。
システム適応性を評価するために, 学生数や時間間隔の異なる3つの異なるフロアレイアウトを対象に, 合計48のシミュレーションを行った。
本研究は,銃弾検出システムが避難率と死亡率の低下を著しく改善できることを示すための出発点となることを期待する。
関連論文リスト
- A Machine Learning Approach to Automatic Fall Detection of Soldiers [0.8182812460605992]
本稿では,ブラジル海軍の「未来兵」プロジェクトの範囲内で実施される研究について述べる。
このシステムは、兵士を不活化させ、重度の出血を招きかねない負傷を識別するカジュアルティ検出システムの開発に焦点を当てている。
このデータは、1D Convolutional Neural Networks(CNN1D)のトレーニングに使われ、致命的な怪我による転倒を正確に分類することを目的としている。
論文 参考訳(メタデータ) (2025-01-26T19:31:56Z) - Unlearn and Burn: Adversarial Machine Unlearning Requests Destroy Model Accuracy [65.80757820884476]
未学習システムのデプロイにおいて、重要で未調査の脆弱性を公開しています。
本稿では,訓練セットに存在しないデータに対して,逆学習要求を送信することにより,攻撃者がモデル精度を劣化させることができる脅威モデルを提案する。
我々は、未学習要求の正当性を検出するための様々な検証メカニズムを評価し、検証の課題を明らかにする。
論文 参考訳(メタデータ) (2024-10-12T16:47:04Z) - Depth-Weighted Detection of Behaviours of Risk in People with Dementia using Cameras [3.6855408155998215]
認知症の行動・心理的症状、例えば扇動や攻撃といった症状は、在宅ケアの環境において重大な健康・安全リスクを生じさせる。
医療施設は公共空間のデジタル監視のためにビデオカメラを設置しており、リスク検出システムの自動動作を開発するために利用することができる。
前回の研究の課題の1つは、距離による事象の重要性の相違による誤報の存在であった。
我々は,カメラの近距離と遠距離の両方で発生する事象に匹敵する重要性を示すために,新たに深度重み付き損失を提案する。
論文 参考訳(メタデータ) (2024-08-28T04:12:07Z) - Enhancing Building Safety Design for Active Shooter Incidents: Exploration of Building Exit Parameters using Reinforcement Learning-Based Simulations [1.3374504717801061]
本研究では,既存研究のギャップに対処する強化学習に基づくシミュレーション手法を提案する。
現実的なオフィス環境下でアクティブシューティングをシミュレートする自律エージェントを開発した。
論文 参考訳(メタデータ) (2024-07-15T05:08:38Z) - Non-Invasive Suicide Risk Prediction Through Speech Analysis [74.8396086718266]
自動自殺リスク評価のための非侵襲的音声ベースアプローチを提案する。
我々は、wav2vec、解釈可能な音声・音響特徴、深層学習に基づくスペクトル表現の3つの特徴セットを抽出する。
我々の最も効果的な音声モデルは、6.6.2,%$のバランスの取れた精度を達成する。
論文 参考訳(メタデータ) (2024-04-18T12:33:57Z) - Transfer Learning-based Real-time Handgun Detection [0.0]
本研究では、畳み込みニューラルネットワークと伝達学習を用いて、自動拳銃検出のためのリアルタイムコンピュータビジョンシステムの開発を行う。
提案システムは84.74%の精度を達成し,関連する作業に匹敵する有望な性能を示す。
論文 参考訳(メタデータ) (2023-11-22T18:09:42Z) - Active shooter detection and robust tracking utilizing supplemental
synthetic data [6.719034568121972]
米国における銃暴力は、公共の安全を改善するシステムの開発に焦点をあてている。
1つのアプローチは、乱射事件の予防または緩和に役立つシューターを検出し、追跡することである。
我々は、銃だけでなく、射撃者全体を検出することを提案し、追跡の堅牢性を改善することを可能にした。
論文 参考訳(メタデータ) (2023-09-06T21:58:58Z) - iPLAN: Intent-Aware Planning in Heterogeneous Traffic via Distributed
Multi-Agent Reinforcement Learning [57.24340061741223]
本稿では,高密度および不均一な交通シナリオにおける軌跡や意図を予測できる分散マルチエージェント強化学習(MARL)アルゴリズムを提案する。
インテント対応プランニングのアプローチであるiPLANにより、エージェントは近くのドライバーの意図をローカルな観察からのみ推測できる。
論文 参考訳(メタデータ) (2023-06-09T20:12:02Z) - Coach-assisted Multi-Agent Reinforcement Learning Framework for
Unexpected Crashed Agents [120.91291581594773]
本稿では,予期せぬクラッシュを伴う協調型マルチエージェント強化学習システムの公式な定式化について述べる。
本稿では,教師支援型多エージェント強化学習フレームワークを提案する。
私たちの知る限りでは、この研究はマルチエージェントシステムにおける予期せぬクラッシュを初めて研究したものです。
論文 参考訳(メタデータ) (2022-03-16T08:22:45Z) - Social NCE: Contrastive Learning of Socially-aware Motion
Representations [87.82126838588279]
実験結果から, 提案手法は最近の軌道予測, 行動クローニング, 強化学習アルゴリズムの衝突速度を劇的に低減することがわかった。
本手法は,ニューラルネットワークの設計に関する仮定をほとんど示さないため,神経運動モデルのロバスト性を促進する汎用的手法として使用できる。
論文 参考訳(メタデータ) (2020-12-21T22:25:06Z) - Can Autonomous Vehicles Identify, Recover From, and Adapt to
Distribution Shifts? [104.04999499189402]
トレーニング外の配布(OOD)シナリオは、デプロイ時にエージェントを学ぶ上で一般的な課題である。
インプロバスト模倣計画(RIP)と呼ばれる不確実性を考慮した計画手法を提案する。
提案手法は,OODシーンにおける過信および破滅的な外挿を低減し,分布変化を検知し,回復することができる。
分散シフトを伴うタスク群に対する駆動エージェントのロバスト性を評価するために,自動走行車ノベルシーンベンチマークであるtexttCARNOVEL を導入する。
論文 参考訳(メタデータ) (2020-06-26T11:07:32Z)
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。