机构名称：
¥ 1.0
埃森哲联邦服务摘要 融合最新信息技术的新危机应对和管理方法在应急准备和响应的所有阶段都至关重要，包括规划、响应、恢复和评估阶段。准确及时的信息与响应组织之间快速一致的协调同样重要。我们正在努力开发一种多管齐下的应急响应工具，让利益相关者及时获得全面、相关和可靠的信息。应急人员分析、传播和根据关键信息采取行动的速度越快，他们的响应就越有效、越及时，受影响人群的受益就越大。我们的工具包括对多层开源地理空间数据进行编码，包括洪水风险位置、道路网络强度、代表内陆洪水的淹没地图和用于估计洪水区域和受损基础设施的计算机视觉语义分割。这些数据层被组合起来并用作机器学习算法的输入数据，例如在紧急情况发生之前、期间和之后找到最佳疏散路线，或为受影响地区的急救人员提供可用住宿清单。尽管我们的系统可以用于人们被迫从一个地方到另一个地方的许多用例，但我们证明了我们的系统在佛罗伦萨飓风发生在伦伯顿的用例中的可行性，伦伯顿是一个拥有 21,000 名居民的小镇，位于北卡罗来纳州威尔明顿西北 79 英里处。 关键词 应急管理、语义分割、内陆洪水建模、路线优化 介绍 需要一个多管齐下的危机规划和响应系统，该系统采用多种方式来分层、编码和可视化相关信息并改善人类的决策（Van de Walle，2007）。我们提出了一种多管齐下的人工智能 (AI) 应急工具，以提高社区对飓风、野火、地震和其他类型的紧急情况或危机事件等自然灾害的恢复能力。随着紧急情况的规模和影响不断增加，拥有加快人类决策的工具至关重要。在大数据和人工智能时代，应急管理人员可以利用多种数据源和可视化来改善危机情况下的决策。人工智能提供了处理大量数据的机制
提高社区恢复力和应急能力...
主要关键词
相关文件推荐
