机构名称：
¥ 1.0
强化学习（RL）是人工智能的子域，模型通过与环境的互动学习 - 在野火的背景下也越来越多地使用。与其他传统的统计方法和计算机视觉结合（Ganapathi Subramanian＆Crowley，2018; Subramanian＆Crowley，2017），RL已应用于野火的监视和监测（Altamimi等，2022年，Julian＆Kochenderferfer，2019年； Viseras等。在RL方面几乎没有工作的区域是野火撤离。了解野火过程中撤离人口稠密区域的有效方法是这些事件期间的关键安全问题（Kuligowski，2021； McCaffrey等，2017），其他机器学习技术已证明对疏散计划有益（Xu等，2023）。因此，已经完成了在野火疏散场景中更好地建模流量的工作（Intini等，2019; Pel等，2012），基于代理的疏散模拟不仅用于野火，而且还用于其他自然灾害，例如Tsunamis（Beloglazov等人）（Beloglazov等，2016; Wang et al。）。rl先前已被确定为疏散操作的有趣工具（Rempel＆Shiell，2023），并已用于模拟电动变电站火灾期间的疏散（Budakova等，2024）。将RL技术应用于野火撤离任务可能会有益。
野火疏散的强化学习环境
主要关键词
相关文件推荐
