Sistema inteligente de evacuación peatonal basado en técnicas de Reinforcement Learning

Durante la ocurrencia de previos desastres de origen natural, tales como tsunamis y desborde de ríos, se ha reportado congestiones vehiculares y peatonales que han reducido las chances de sobrevivir. Adicionalmente, se ha observado niveles de confusión durante actividades de evacuación cuando las zonas de evacuación llegan a su máxima capacidad. Con el objetivo de conseguir una evacuación eficiente, proponemos la implementación de un sistema inteligente que se basa en Reinforcement Learning (RL). RL es una rama de la Inteligencia Artificial que se enfoca en la búsqueda de políticas de decisiones óptimas. El sistema se desarrollara en dos etapas. La primera etapa se enfoca en la implementación del programa que optimice las políticas de evacuación mediante modelo de multi-agentes. Es decir, agentes virtuales que interactúen en un entorno virtual. Esto permitirá planificar una evacuación eficiente en el cual se considera distintos aspectos de la complejidad del problema, tales como el numero de calles, la densidad de peatones, y la velocidad de movimiento de los peatones. La segunda etapa implica el desarrollo capacidades para conectar el sistema a dispositivos inteligentes (smartphones) que puedan sugerir rutas de evacuación en tiempo real a la población. El presente proyecto se basa en la implementación de la primera etapa.