Het kritieke pad van een responder

We zijn allemaal gaan vertrouwen op de navigatie-apps op onze mobiele apparaten om onze dagelijkse routes te sturen. Binnen enkele seconden nadat we onze bestemming in een knipperende zoekbalk hebben getypt, hebben we een vakkundig geplande route en geschatte aankomsttijd. Deze apps zijn ongelooflijk nauwkeurig en voorspellen meestal uw reistijd binnen een paar minuten nauwkeurig. Voor de eerstehulpverleners van ons land kunnen die paar minuten het verschil betekenen tussen iemand reanimeren na een hartaanval en er te laat komen. In de wereld van openbare veiligheid kunnen minuten, zelfs seconden, het verschil maken. Het door de NIST Public Safety Communications Research Division gefinancierde project van de Southern Methodist University heeft tot doel een op maat gemaakt navigatieplatform voor openbare veiligheid te creëren om de efficiënte en veilige uitzending van personeel voor noodhulp te ondersteunen. Dit project wil de mogelijkheden van typische navigatie-apps overtreffen door te proberen belemmeringen voor noodhulp te voorspellen, zoals weer, overstromingen, verkeerspatronen en beschikbaarheid van hulpbronnen.

Het probleem

Brandweerwagens lijken niet erg op een typisch burgervoertuig, dus applicaties zoals Google Maps en Waze die toegankelijk en betrouwbaar zijn geworden voor gewone Amerikanen, voldoen niet aan de behoeften van eerstehulpverleners. In de eerste plaats zijn voertuigen van hulpdiensten aanzienlijk groter en moeilijker te besturen in vergelijking met een gewone auto. Als zodanig kunnen ze vaak niet op bepaalde bochtige of smalle wegen worden gereden. Een andere risicovolle manoeuvre voor grote vrachtwagens is het afslaan naar links, wat het risico op verkeersongevallen kan vergroten. De onderzoekers die aan het SAFE-NET-project werkten, zagen een kans om bestaande navigatie-algoritmesystemen aan te passen om te voldoen aan de gespecialiseerde routeringsbehoeften van de openbare veiligheid.

Dr. Khaled Abdelghany, de hoofdonderzoeker van dit project, legt het algemene doel van hun onderzoek uit: “We wilden een analytisch platform ontwikkelen dat gegevens gebruikt om de eerstehulpverleners betere mogelijkheden te bieden in termen van hoe ze hun middelen uit brandweerkazernes sturen. en om ervoor te zorgen dat de verzending snel en veilig verloopt. ” Het SAFE-NET-onderzoeksteam werkte samen met de Dallas Fire-Rescue Department om de uitdagingen van de openbare veiligheid volledig te begrijpen om in hun oplossing te worden opgenomen. Om het platform te bouwen, hield het team rekening met de specifieke navigatie-uitdagingen waarmee hulpverleningsvoertuigen worden geconfronteerd, de reistijd, het risico op verkeersongevallen en overstromingsrisico’s. Het team van onderzoekers heeft elk van deze gegevenslagen in hun platform opgenomen om de snelste en laagste risicoroute te voorspellen die een hulpverleningsvoertuig zou kunnen nemen bij het reageren op een incident in hun rechtsgebied.

De risico’s van het besturen van een noodvoertuig

Een van de belangrijkste risico’s waarmee hulpverleningsvoertuigen worden geconfronteerd, is te laat aankomen. Daarom onderzocht het team het risico van verkeersopstoppingen door ongevallen. May Yuan legt uit: “Emergency dispatch is een zeer gevoelige operatie en er zijn veel nuances die verder gaan dan de mindset die je als onderzoeker hebt.” Dr. Yuan analyseerde gegevens over verkeersongevallen om de kenmerken van de locatie te bepalen die de kans op verkeersongevallen zouden kunnen beïnvloeden (zoals ruw wegdek of oneffen rijstroken). Vervolgens gebruikte ze die gemeenschappelijke kenmerken om andere potentiële locaties voor verkeersongevallen te identificeren die aan die criteria voldeden in de stad Dallas. Dr. Yuan legde uit: “We categoriseren locaties op basis van hoog en laag verkeersrisico op basis van de kenmerken van de locatie en gegevens over verkeersongevallen van de afgelopen 10 jaar. Het idee is dat als we hulpverleningsvoertuigen willen sturen, je misschien beter over een weg kunt sturen minder kans op een verkeersongeval dat de aankomst van de hulpverleningsvoertuigen op de oproeplocatie zou kunnen vertragen. “

Een bijkomend risico dat door de brandweerafdeling van Dallas werd vastgesteld en waarmee het team rekening moest houden, was het risico van overstromingen op mogelijke noodroutes. Met de toegenomen frequentie van stormen als gevolg van klimaatverandering, wordt verwacht dat overstromingen in Texas een voortdurend probleem zullen zijn voor de mannen en vrouwen die bij noodhulp opereren. Door de toenemende verstedelijking en de daaropvolgende verharde oppervlakken wordt ook de kans op overstromingen vergroot. Overstromingen van wegen vormen een bedreiging voor de missies van eerstehulpverleners door wegafsluitingen, verkeersopstoppingen en – in het ergste geval – hun leven kan in gevaar komen. Dr. Barbara Minsker legt uit: “Eerstehulpverleners moeten in staat zijn om rond bepaalde gebieden te rijden die mogelijk overstroomd zijn – er zijn gevallen geweest waarin eerstehulpverleners zijn omgekomen omdat hun voertuigen zijn weggespoeld in een plotselinge overstroming.”

Het SAFE-NET-platform heeft tot doel de overstromingskans op wegen in te schatten met datagedreven modellen. Dr. Minsker legt uit: “We gebruikten gegevens uit Dallas voor de afgelopen twee jaar van stormen, waar mensen hebben geregistreerd dat bepaalde gebieden onder water kwamen te staan. We analyseerden hoe vaak deze specifieke gebieden overstroomden in verhouding tot de sterkte van de storm, de gemiddelde regenval en de topografie van het gebied. Vervolgens hebben we een statistisch model gemaakt dat deze gegevenspunten in verband bracht, zodat we het risico op overstromingen in het gebied konden voorspellen. “

Het team gebruikte machine learning en kunstmatige intelligentie om het SAFE-NET-platform te bouwen, waarbij elk van deze risico-elementen en andere speciale overwegingen voor hulpverleningsvoertuigen werden meegenomen, met als doel hulpverleners te helpen de snelste, meest efficiënte en veiligste route te vinden, gezien hun vereisten.

Volgende stappen in het onderzoek

“Het was echt dwingend om iets te doen voor eerstehulpverleners”, legt Dr. Minsker uit, “Het gaf ons de kans om contact te leggen met Dallas Fire-Rescue en voort te bouwen op een aantal dingen die we allemaal afzonderlijk hadden gedaan in een nieuw manier om hulpverleners te helpen. ” De financieringsmogelijkheden van PSCR vereisen samenwerking met eerstehulpverleners om ervoor te zorgen dat de resultaten een echte impact hebben. Dr. Yuan voegt eraan toe: “In de academische wereld doen we veel theoretisch conceptueel werk, en dit project is echt een goede brug tussen conceptueel, theoretisch onderzoek en praktijktoepassingen. Om ons onderzoek in de praktijk te zien – in dit geval, om eerstehulpverleners te helpen een veilige gemeenschap voor de stad te creëren, gaf veel voldoening. “

Het team hoopt deze onderzoekslijn voort te zetten, voortbouwend op de statistische modellen en machine learning-algoritmen die ze hebben ontwikkeld voor het SAFE-NET-platform. Dr. Michael Hahsler reflecteert: “Het idee is dat we ook kunstmatige intelligentie kunnen gebruiken om te voorspellen waar de volgende noodsituatie het meest waarschijnlijk zal plaatsvinden. Er zijn gebieden waar brand waarschijnlijker is of gebieden waar medische noodsituaties waarschijnlijker zijn, tijdens verschillende periodes van Als we de kracht van deze kennis hebben, kunnen we voertuigen daadwerkelijk dichterbij brengen naar waar we denken dat een noodgeval de volgende keer waarschijnlijk zal gebeuren. ”