مدل سازی تصمیم گیری فرماندهی شیفت آتش نشانی در حوادث ترکیبی با استفاده از یادگیری تقویتی

با توجه به افزایش وقوع حوادث ترکیبی در مناطق شهری ایران، از جمله هم زمانی زلزله و آتش سوزی، تصمیم گیری سریع و دقیق فرماندهی شیفت آتش نشانی در شرایط عدم قطعیت و فشار زمانی به یک چالش جدی تبدیل شده است. این پژوهش با هدف توسعه یک مدل تصمیم گیری مبتنی بر یادگیری تقویتی (Reinforcement Learning) برای فرماندهی شیفت آتش نشانی در حوادث ترکیبی آتش سوزی و زلزله انجام می شود. در این مدل، فرمانده به عنوان عامل (Agent) در یک محیط شبیه سازی شده، با دریافت اطلاعات لحظه ای از وضعیت حادثه شامل شدت زلزله، پراکندگی آتش، آسیب دیدگی سازه ها، دسترسی معابر و وضعیت منابع، اقدام به اتخاذ تصمیم های مدیریتی مانند تخصیص نیرو، اولویت بندی مناطق و مدیریت منابع می کند. با تعریف تابع پاداش مبتنی بر کاهش خسارت، نجات جان ها و کاهش زمان پاسخ، الگوریتم یادگیری تقویتی بهترین سیاست تصمیم گیری را می آموزد. انتظار می رود مدل پیشنهادی در مقایسه با روش های سنتی، کارایی عملیات را افزایش داده، زمان پاسخ را کاهش داده و هماهنگی میان تیم های عملیاتی را بهبود بخشد. نتایج این پژوهش می تواند به عنوان یک ابزار پشتیبان تصمیم برای فرماندهان و سازمان های مدیریت بحران در شرایط بحرانی مورد استفاده قرار گیرد.

کلیدواژه ها:

فرماندهی شیفت ، آتش نشانی ، حوادث ترکیبی ، آتش سوزی شهری ، زلزله ، یادگیری تقویتی ، مدل سازی