[论文解读] Emergency Management Systems and Algorithms: a Comprehensive Survey

Huibo Bi, Erol Gelenbe|arXiv (Cornell University)|Jun 21, 2019

Evacuation and Crowd Dynamics参考文献 167被引用 4

一句话总结

本文全面综述了应急管理系统与算法，重点聚焦于应急导航与搜救规划。文章回顾了从人工驱动到云架构的系统架构，以及从元胞自动机到生物启发模型的各类算法，识别出未来智慧城市应用中在网络安全、能效优化和大数据集成方面面临的关键挑战。

ABSTRACT

Owing to the increasing frequency and destruction of natural and manmade disasters to modern highly-populated societies, emergency management, which provides solutions to prevent or address disasters, have drawn considerable research over the last few decades and become a multidisciplinary area. Because of its open and inclusive nature, new technologies always tend to influence, change or even revolutionise this research area. Hence, it is imperative to consolidate the state-of-the-art studies and knowledge to meet the research needs and identify the future research directions. The paper presents a comprehensive and systemic review of the existing research in the field of emergency management from both the system design aspect and algorithm engineering aspect. We begin with the history and evolution of the emergency management research. Then the two main research topics of this area, "emergency navigation" and "emergency search and rescue planning", are introduced and discussed. Finally, we suggest the emerging challenges and opportunities from system optimisation, evacuee behaviour modelling and optimisation, computing patterns, data analysis, energy and cyber security aspects.

研究动机与目标

• 系统性回顾应急管理系统研究的演进过程与当前状态，尤其关注应急导航与搜救规划领域。
• 分析应急管理系统从依赖人工经验的模型，向现代云与物联网架构发展的演变过程。
• 对不同计算范式与应用场景下的应急导航与搜救算法进行分类与评估。
• 识别系统优化、避难者行为建模、能效、网络安全及大数据分析方面的新兴挑战与机遇。
• 通过梳理智慧城市的前沿技术趋势与集成需求，为未来研究提供指导。

提出的方法

• 对1950年代至今的应急管理系统研究开展系统性文献综述，聚焦两大核心领域：应急导航与应急搜救规划。
• 将应急导航系统划分为五类：基于人工经验的系统、基于静态无线传感器网络（WSN）的系统、混合式WSN系统的系统、基于WSN的云系统，以及基于移动电话的云系统。
• 将应急导航算法分为离线算法（如元胞自动机、社会力模型、流体动力学、博弈论、基于代理的模型）与在线算法（如网络流、几何方法、排队模型、势能保持、生物启发算法、路由协议、基于预测的算法）。
• 回顾搜救系统，包括可穿戴计算辅助系统与机器人系统，并分析其相关算法，如任务分配、资源分配与路径规划。
• 整合边缘/雾计算、CPN（受控路径网络）用于抵御拒绝服务攻击，以及G-网络模型用于提升能效等新兴技术的洞见。
• 利用大数据分析技术，从常规采集的传感器与设备数据中建模人类行为与集体决策过程，以优化系统设计。

实验结果

研究问题

• RQ1 应急管理系统如何从被动的、依赖经验的模型，演变为主动的、技术驱动的系统？
• RQ2 应急导航中采用的关键算法方法有哪些？它们在离线与在线计算范式之间有何差异？
• RQ3 大规模应急疏散中，最有效的系统架构是什么？它们如何利用云、WSN与移动技术？
• RQ4 边缘/雾计算、CPN与G-网络模型等新兴技术如何提升系统的韧性、能效与安全性？
• RQ5 大数据分析与行为建模在提升未来应急管理系统准确性与自适应能力方面发挥何种作用？

主要发现

• 应急导航已从纯粹的数学模型（如时间扩展网络流）发展为使用元胞自动机、社会力模型与生物启发算法的复杂多智能体系统。
• 基于云架构与手机辅助的系统在降低通信成本与提升可扩展性方面展现出潜力，尤其当结合移动代理技术时更为显著。
• CPN（受控路径网络）通过全程路径追踪实现上游数据包丢弃，可实现对拒绝服务攻击的自防御，为传统IP协议提供稳健替代方案。
• 基于G-网络模型与动态规划的节能算法可显著延长应急系统中无线传感器网络的运行寿命。
• 整合物联网与智慧城市基础设施的大数据，可实现对避难者行为与集体决策过程的更精准建模，从而提升系统响应速度与规划准确性。
• 未来系统必须融合边缘/雾计算、自感知网络与自适应算法，以应对大规模应急事件中通信可靠性、能效限制与网络威胁等挑战。