应急响应人工智能
本文讨论针对灾害事故、犯罪和火灾的应急响应管理中的几个阶段和子问题，呈现了应对这些问题的一些原则性方法的设计，并着重介绍了应急响应管理的一些挑战和解决方案，以及应对其他类型灾害时的考虑。
Oct, 2020
提出了一种智能互动应急响应系统，利用人工智能和传感器融合技术，优化城市中家庭、道路和公共设施等三个应用场景中发生事故的实时动态模型，进而将现有的应急响应系统转变为智能化互动系统，提高公共服务和居民生活质量。
Mar, 2024
应对紧急响应管理中复杂优化问题，本研究提出了一种基于强化学习的方法，通过引入变换器来处理变维状态和行为，将复杂状态映射到固定维度观测，并应用组合技术将连续行为映射到离散分配，实验证明该方法能够大幅减少决策时间，并稍微降低平均救护车响应时间。
May, 2024
为了实现有效的应急响应，在缺乏基础设施的情况下，及时获取环境信息、无缝的命令数据传输和快速决策至关重要。本文提出了一个应急网络框架，包括应急计算、缓存、集成通信与感知以及智能增强等机制。该框架可确保对大型用户群体的快速访问，通过不稳定链路进行可靠的数据传输，以及在不断变化的环境下进行动态网络部署。然而，这些优势的实现需要付出大量的计算开销。因此，我们专门研究了应急计算，并提出了一种基于分层强化学习的自适应协作推断方法（ACIM）。实验结果表明，我们的方法能够在受限的计算和通信资源下实现对人工智能模型的快速推断。
Feb, 2024
此研究针对加拿大埃德蒙顿市的各类紧急事件，通过数据收集、描述性分析、特征分析与选择以及建立预测模型，以不同时间和空间分辨率预测各类事件的发生概率，并对其与社会经济和人口数据的关联进行分析，结果显示模型在大部分事件类型上表现良好，可用于紧急救援服务部门的资源分配和规划，同时研究还发现 COVID-19 对事件发生和预测模型的精度有显著影响。
Feb, 2024
灾害响应中资源管理和需求预测的优化问题，并提出了基于深度学习的新方法，经过实验验证其在实际数据和模拟数据上的卓越表现，同时在多利益相关者和多目标设置下也显示出了其卓越性能。
Jul, 2023
利用人工智能开发的算法对急诊科患者进行分级，使用急诊科历史数据培训医疗决策流程，并根据患者的关键信息准确分类患者，实验结果表明该算法在精确性方面优于传统的分级方法，从而帮助医疗专业人员预测重症指数以指导患者管理和资源分配。
Mar, 2024
本研究提出一种基于人机协同的方法，通过任务过滤和任务调度两个阶段，提高快速解决问题的效率和准确性。在任务过滤中使用 GACRNN 模型进行机器预测，由人类决策者实时监管并修改确认，而任务调度中将事件决策步骤插入到正常作业序列中，以缩小对原计划的影响。
May, 2023
本文综述了利用社交媒体进行智能化灾难救援和响应的新前沿，研究了灾难的不同阶段在社交媒体上如何表现，建立了基于社交媒体的建议方法与首次救援组织之间的联系，并概述了当前挑战和未来研究方向。
Sep, 2017