Ricercatori hanno presentato il sistema GPEvac per l'evacuazione adattiva in caso di emergenza

Il team di ricerca ha presentato GPEvac — un framework basato su reti neurali grafiche (GNN) e l'algoritmo di apprendimento per rinforzo PPO, progettato per costruire percorsi di evacuazione in tempo reale durante incidenti di massa. Il sistema minimizza il tempo di permanenza delle persone nelle zone pericolose, considerando la dinamica della folla e l'incertezza del comportamento degli aggressori.

L'architettura del modello utilizza uno schema di trasmissione sequenziale dei messaggi con un nodo virtuale globale apprendibile, che consente di considerare sia le dipendenze locali che quelle remote nella struttura dell'edificio. Grazie al meccanismo di scoring invariante alle permutazioni, una politica appresa può funzionare efficacemente in ambienti con topologie e scale diverse, senza richiedere un riaddestramento per un piano specifico.

Il principale vantaggio del sistema è la velocità di calcolo elevata: la generazione dei percorsi di evacuazione globali richiede solo 14,73 ms su un processore standard. Ciò consente di integrare la soluzione nei sistemi di videosorveglianza esistenti per una risposta operativa. Durante le simulazioni, GPEvac ha mostrato una riduzione significativa del livello generale di minaccia per gli evacuati rispetto agli algoritmi di navigazione di base.

La metodologia descritta nel lavoro scientifico è applicabile non solo alle situazioni di emergenza, ma anche alla gestione delle infrastrutture critiche, dei sistemi di trasporto intelligenti e delle reti di sensori adattivi. La ricerca è pubblicata sotto licenza CC BY 4.0, che consente di utilizzare i risultati per ulteriori sviluppi dei sistemi di sicurezza.