Rutas de evacuación por tsunami en La Punta, Callao, mediante el uso de Reinforcement Learning

Abstract

En los últimos años se ha realizado un estudio exhaustivo de los efectos de los tsunamis en los litorales de diversos países. Numerosas son las investigaciones que enfatizan la importancia de concientizar a la población para optimizar este proceso, salvando muchas vidas humanas. Por otro lado, el uso de la Inteligencia Artificial (IA) ha cobrado protagonismo en los últimos años, resolviendo muchos problemas ingenieriles, automatizando procesos. Reinforcement Learning (RL) es una aplicación de IA en la que un agente “refuerza” su comportamiento para obtener un valor óptimo, teniendo como base el ensayo y error. El distrito de la Punta, Perú, por su ubicación geográfica, es muy vulnerable frente a tsunamis, dado que podría estar completamente afectada por un tsunami, por lo que resulta de vital importancia obtener rutas óptimas de evacuación para reducir el riesgo de desastre. La presente investigación hace uso de un algoritmo de RL, donde se evalúa el comportamiento de un peatón y su toma de decisiones frente a un tsunami, en un modelo de la zona inundable de la Punta, mediante simulaciones computacionales para obtener rutas óptimas de evacuación frente a un tsunami. El algoritmo logra optimizar el proceso de evacuación peatonal, determinando datos cuantificables del número de personas que lograrían evacuar en un tiempo de 30 minutos, concluyendo que solo el 50 por ciento de la población del distrito lograría evacuar en un escenario que considere el daño de las estructuras de evacuación vertical. Finalmente, se proponen posibles alternativas de solución viables y las posibles aplicaciones a futuro del algoritmo desarrollado.

In recent years, an exhaustive research has been conducted on the effects of tsunamis on the coastlines of various countries. Numerous studies emphasize the importance of raising public awareness to optimize this process, saving many lives. Furthermore, the use of Artificial Intelligence (AI) has gained prominence in recent years, solving many engineering problems and automating processes. Reinforcement Learning (RL) is an AI application in which an agent "reinforces" its behavior to obtain an optimal value, based on trial and error. Due to its geographical location, the district of La Punta, Peru, is highly vulnerable to tsunamis, as it could be completely affected by a tsunami. Therefore, it is vitally important to establish optimal evacuation routes to reduce the risk of disaster. This research uses a real-time real-time RL algorithm to evaluate pedestrian behavior and decision-making in the face of a tsunami in a model of the Punta floodplain. This algorithm uses computational simulations to obtain optimal evacuation routes in the event of a tsunami. The algorithm optimizes the pedestrian evacuation process by determining quantifiable data on the number of people who would be able to evacuate within 30 minutes. It concludes that only 50 percent of the district's population would be able to evacuate in a scenario that considers damage to vertical evacuation structures. Finally, viable solutions and potential future applications of the developed algorithm are proposed.