研究人員提出GPEvac系統以進行緊急情況下的自適應疏散

研究團隊提出了一個名為 GPEvac 的框架，該框架基於圖神經網路（GNN）和強化學習算法PPO，旨在實時建構大規模事件中的疏散路線。系統旨在最小化人們在危險區域停留的時間，考慮到人群動態和攻擊者的行為不確定性。

模型架構使用了一種序列消息傳遞方案，具有可學習的虛擬全局節點，允許考慮建築結構中的局部和遠程依賴關係。通過排列不變的評分機制，一個訓練好的策略可以在具有不同拓撲和尺度的房間中有效地工作，而無需為特定的樓層計劃重新訓練。

系統的主要優點是計算速度快：生成全局疏散路線只需 14.73 毫秒 在標準處理器上。這允許將解決方案集成到現有的視頻監控系統中，以實現快速響應。在模擬中，GPEvac 顯示了與基礎導航算法相比，對於被疏散者整體威脅水平有顯著降低。

在 科學論文 中描述的方法論不僅適用於緊急情況，也適用於關鍵基礎設施管理、智能交通系統和自適應感測網路。研究以 CC BY 4.0 許可證發佈，允許使用研究成果以進一步開發安全系統。