論文の概要: An Optimized Evacuation Plan for an Active-Shooter Situation Constrained by Network Capacity
- arxiv url: http://arxiv.org/abs/2505.07830v1
- Date: Tue, 29 Apr 2025 18:06:00 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-18 22:55:23.177174
- Title: An Optimized Evacuation Plan for an Active-Shooter Situation Constrained by Network Capacity
- Title（参考訳）: ネットワーク容量に制約されたアクティブショット状態の最適避難計画
- Authors: Joseph Lavalle-Rivera, Aniirudh Ramesh, Subhadeep Chakraborty,
- Abstract要約: 緊急避難は非常にストレスが強いため、検証可能なリアルタイム情報が欠如しているため、致命的な誤った判断につながる可能性がある。
本研究では,各避難者に対して最適な経路を複数決定する多経路経路最適化アルゴリズムを提案する。
提案アルゴリズムは, 容量制約のない以前のルーティングアルゴリズムと, 専門家が推奨するルーティング戦略と比較して, 総損失を34.16%, 53.3%削減する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: A total of more than 3400 public shootings have occurred in the United States between 2016 and 2022. Among these, 25.1% of them took place in an educational institution, 29.4% at the workplace including office buildings, 19.6% in retail store locations, and 13.4% in restaurants and bars. During these critical scenarios, making the right decisions while evacuating can make the difference between life and death. However, emergency evacuation is intensely stressful, which along with the lack of verifiable real-time information may lead to fatal incorrect decisions. To tackle this problem, we developed a multi-route routing optimization algorithm that determines multiple optimal safe routes for each evacuee while accounting for available capacity along the route, thus reducing the threat of crowding and bottlenecking. Overall, our algorithm reduces the total casualties by 34.16% and 53.3%, compared to our previous routing algorithm without capacity constraints and an expert-advised routing strategy respectively. Further, our approach to reduce crowding resulted in an approximate 50% reduction in occupancy in key bottlenecking nodes compared to both of the other evacuation algorithms.
- Abstract（参考訳）: 2016年から2022年にかけて、米国では合計で3400件以上の銃乱射事件が発生している。
そのうち25.1%が教育機関で、29.4%がオフィスビルを含む職場で、19.6%が小売店で、13.4%がレストランやバーで行われている。
これらの重要なシナリオにおいて、避難中に正しい決断を下すことは、命と死の違いを生じさせる。
しかし、緊急避難は非常にストレスが強いため、検証可能なリアルタイム情報が欠如しているため、致命的な誤った判断につながる可能性がある。
この問題に対処するため,経路沿いのキャパシティを考慮しつつ,各避難者に対して最適な経路を複数決定する多経路ルーティング最適化アルゴリズムを開発した。
提案アルゴリズムは, キャパシティ制約のない以前のルーティングアルゴリズムと, 専門家が推奨するルーティング戦略と比較して, 総損失を34.16%, 53.3%削減する。
さらに,群集の減少に対するアプローチは,他の避難アルゴリズムと比較して,鍵ボトルネックノードの占有率を約50%削減する結果となった。
関連論文リスト
- Towards Fairness-aware Crowd Management System and Surge Prevention in Smart Cities [20.737615140148673]
我々は,全個人の多様なニーズを考慮に入れた,急激なイベントに続く公正避難戦略の実施を提唱する。
次に,アトラクション位置の調整とステージ演奏の切り替えを含む予防的アプローチを提案する。
本研究は, 公正避難戦略が安全対策および傾斜度に及ぼす影響を実証し, 平均41.8%の公正度向上効果を示した。
論文 参考訳（メタデータ） (2023-11-03T20:33:41Z) - 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) - Prioritizing emergency evacuations under compounding levels of
uncertainty [34.71695000650056]
民間避難に備えたチームを対象とした危機前訓練のための意思決定支援ツールの提案と分析を行う。
我々は多種多様なマルコフ決定過程(MDP)を用いて、複雑な不確実性のレベルを捉える。
モデル不確実性の複合レベルを考慮すると、政策性能の改善なしに複雑さが増すことが示される。
論文 参考訳（メタデータ） (2022-09-30T21:01:05Z) - Simulation-Assisted Optimization for Large-Scale Evacuation Planning
with Congestion-Dependent Delays [12.57612445391585]
MIP-LNSは,数式最適化による探索を利用するスケーラブルな最適化手法である。
また,エージェントベースシミュレーションをMIP-LNSと組み合わせて,混雑に伴う遅延を推定する手法を提案する。
さらに, MIP-LNS-SIMは, MIP-LNSと比較して, 推定避難完了時間の誤差が有意に低い。
論文 参考訳（メタデータ） (2022-09-04T05:30:51Z) - Safe Online Bid Optimization with Return-On-Investment and Budget
Constraints subject to Uncertainty [87.81197574939355]
最適化問題と学習問題の両方について検討する。
我々は、潜在的に線形な数の制約違反を犠牲にして、サブ線形後悔を保証するアルゴリズム、すなわちGCBを提供する。
より興味深いことに、我々はGCB_safe(psi,phi)というアルゴリズムを提供し、サブ線形擬似回帰と安全性w.h.p.の両方を、耐性 psi と phi を受け入れるコストで保証する。
論文 参考訳（メタデータ） (2022-01-18T17:24:20Z) - Optimizing Mixed Autonomy Traffic Flow With Decentralized Autonomous
Vehicles and Multi-Agent RL [63.52264764099532]
本研究では、完全分散制御方式を用いて、混合自律環境でのボトルネックのスループットを向上させる自動運転車の能力について検討する。
この問題にマルチエージェント強化アルゴリズムを適用し、5%の浸透速度で20%から40%の浸透速度で33%までのボトルネックスループットの大幅な改善が達成できることを実証した。
論文 参考訳（メタデータ） (2020-10-30T22:06:05Z) - Congestion-aware Evacuation Routing using Augmented Reality Devices [96.68280427555808]
複数の目的地間でリアルタイムに個別の避難経路を生成する屋内避難のための渋滞対応ルーティングソリューションを提案する。
建物内の混雑分布をモデル化するために、ユーザエンド拡張現実(AR)デバイスから避難者の位置を集約して、オンザフライで取得した人口密度マップを用いる。
論文 参考訳（メタデータ） (2020-04-25T22:54:35Z)
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。