Previsão do tempo de evacuação e recomendação de estratégias de resgate em cenários de evacuação horizontal com evacuadores enfraquecidos

Raimundo Juracy Campos Ferro Junior, G. A. L. Campos
{"title":"Previsão do tempo de evacuação e recomendação de estratégias de resgate em cenários de evacuação horizontal com evacuadores enfraquecidos","authors":"Raimundo Juracy Campos Ferro Junior, G. A. L. Campos","doi":"10.5753/eniac.2022.227591","DOIUrl":null,"url":null,"abstract":"Um dos desafios no contexto do estudo de processos de evacuação e situações de resgate é a falta de estudos e ferramentas que contemplem evacuantes dependentes ou a possibilidade de simular diferentes estratégias de resgate. Este trabalho visa preencher essa lacuna. Propondo uma arquitetura baseada em agentes que pode produzir dados, treinar algoritmos de regressão para fazer previsões sobre cenários de evacuação horizontal com evacuantes dependentes e propor estratégias de resgate. Os algoritmos de árvore de decisão e rede perceptron multicamadas apresentaram o melhor resultado para a regressão do tempo de evacuação e o modelo de floresta-aleatória conseguiu atingir uma acurácia de 92% ao classificar os cenários com base na estratégia mais adequada para a equipe de resgate.","PeriodicalId":165095,"journal":{"name":"Anais do XIX Encontro Nacional de Inteligência Artificial e Computacional (ENIAC 2022)","volume":"14 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2022-11-28","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Anais do XIX Encontro Nacional de Inteligência Artificial e Computacional (ENIAC 2022)","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.5753/eniac.2022.227591","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0

Abstract

Um dos desafios no contexto do estudo de processos de evacuação e situações de resgate é a falta de estudos e ferramentas que contemplem evacuantes dependentes ou a possibilidade de simular diferentes estratégias de resgate. Este trabalho visa preencher essa lacuna. Propondo uma arquitetura baseada em agentes que pode produzir dados, treinar algoritmos de regressão para fazer previsões sobre cenários de evacuação horizontal com evacuantes dependentes e propor estratégias de resgate. Os algoritmos de árvore de decisão e rede perceptron multicamadas apresentaram o melhor resultado para a regressão do tempo de evacuação e o modelo de floresta-aleatória conseguiu atingir uma acurácia de 92% ao classificar os cenários com base na estratégia mais adequada para a equipe de resgate.
疏散天气预报及疏散人员弱化水平疏散情景下的救援策略建议
在研究疏散过程和救援情况的背景下,一个挑战是缺乏研究和工具来考虑依赖疏散者或模拟不同救援策略的可能性。这项工作旨在填补这一空白。提出了一种基于agent的体系结构,该体系结构可以生成数据,训练回归算法对依赖疏散者的水平疏散场景进行预测,并提出救援策略。决策树算法和多层感知器网络算法对疏散时间的回归效果最好,随机森林模型根据最适合救援人员的策略对情景进行分类的准确率达到92%。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
求助全文
约1分钟内获得全文 求助全文
来源期刊
自引率
0.00%
发文量
0
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
确定
请完成安全验证×
copy
已复制链接
快去分享给好友吧!
我知道了
右上角分享
点击右上角分享
0
联系我们:info@booksci.cn Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。 Copyright © 2023 布克学术 All rights reserved.
京ICP备2023020795号-1
ghs 京公网安备 11010802042870号
Book学术文献互助
Book学术文献互助群
群 号:604180095
Book学术官方微信