USC-Forschende entwickeln EVAC-AI für bessere Evakuierungen bei Waldbränden in Los Angeles

USC-Forschende entwickeln ein agentisches KI-Framework, das Los Angeles bei der Koordinierung von Evakuierungen bei Waldbränden in Echtzeit helfen soll. Das vierjährige Projekt namens EVAC-AI verknüpft Brandausbreitung, Verkehrsnetze, Rettungseinsätze und menschliche Mobilität in einem System.
- USC-Forschende entwickeln das vierjährige Projekt EVAC-AI.
- Das System soll Brandprognosen, Straßen, Rettungseinsätze und menschliche Mobilität verknüpfen.
- Aktualisierungen sind alle fünf Minuten auf Ebene der Zählbezirke vorgesehen.
- Eine Schnittstelle für die Bevölkerung könnte Fragen zur Evakuierung bei Waldbränden beantworten.
- Das Team will autonome Fahrzeuge als mögliche Rettungsressource untersuchen.
Eine Reaktion auf gescheiterte Evakuierungen
Das Projekt folgt auf die Waldbrände in Los Angeles im Jahr 2025. Verzögerte Warnungen, an den falschen Stadtteil gesendete Alarme und durch Verkehr verstopfte Routen machten die Evakuierung laut USC Viterbi zu einer eigenen Krise.
Nach Angaben der Universität hat das bestehende Evakuierungssystem der Stadt Schwierigkeiten, sich verändernde Brandbedingungen, Verkehrsverhältnisse und die Bewegungen der Bevölkerung zu koordinieren. Unter der Leitung von Ruolin Li, Assistenzprofessorin für Bauingenieurwesen an der USC, will das Forschungsteam Notfallmanager dabei unterstützen, Engpässe vorherzusehen und einzugreifen, bevor daraus Krisen entstehen.
„Unser Ziel mit EVAC-AI ist es, Evakuierungen als ein miteinander verbundenes System zu betrachten und nicht als eine Sammlung voneinander getrennter Probleme“, sagte Li laut USC Viterbi.
Das Projekt wird durch das Programm Focused Interdisciplinary Research in Engineering der National Science Foundation finanziert. Zum Forschungsteam gehören außerdem Yue Zhao, Ketan Savla und Costas Synolakis.
Brände, Straßen und Bevölkerung verknüpfen
EVAC-AI soll probabilistische Brandmodelle nutzen, darunter auch die Möglichkeit von durch Glut ausgelösten Sekundärbränden, um veränderte Brandbedingungen in Informationen darüber zu übersetzen, welche Straßen noch zugänglich sind. Die Forschenden planen Aktualisierungen alle fünf Minuten auf Ebene der Zählbezirke. So könnten sich die Verkehrsbedingungen parallel zum Brand verändern.
Das Framework soll von Menschen gesteuerte und autonome Fahrzeuge berücksichtigen, darunter auch Fahrzeuge von Waymo. Das Modell für gemischte Automatisierung soll untersuchen, ob zentral disponierte autonome Fahrzeuge als Rettungsressource eingesetzt werden können. Gleichzeitig soll eine Vorgabe sicherstellen, dass auch Haushalte ohne eigenes Fahrzeug abgedeckt sind.
Das System soll außerdem gezielte und zeitlich gestaffelte Evakuierungsanweisungen statt eines einzigen Massenalarms untersuchen. Ziel ist es, den Druck auf die Straßennetze zu verringern und zugleich Routen für Rettungseinsätze freizuhalten.
Nach Angaben der USC können aktuelle Ansätze individuelle Umstände übersehen, darunter die Bedürfnisse älterer Menschen, von Menschen mit Behinderungen und von Haushalten ohne Auto. Auch Brandvorhersagemodelle berücksichtigen möglicherweise nicht, dass durch Sekundärbrände Straßen bereits vor dem sichtbaren Brandrand unpassierbar werden können.
Eine KI-Schnittstelle für die Bevölkerung
Im Zentrum von EVAC-AI soll ein wechselseitiges agentisches KI-System stehen. Notfallmanager erhalten Echtzeitinformationen und Empfehlungen, während die Bevölkerung Angaben zu ihren jeweiligen Umständen machen kann, die in das übergreifende Bild der Evakuierung zurückfließen.
Das Team plant eine für die Bevölkerung in Los Angeles entwickelte Schnittstelle oder App, die ähnlich wie ChatGPT funktioniert, aber auf Fragen zur Evakuierung bei Waldbränden ausgelegt ist. Bewohner könnten fragen, was sie einpacken oder welche Route sie nehmen sollen, und angeben, ob sie ein Fahrzeug besitzen, sich um ein älteres Familienmitglied kümmern oder mit Haustieren evakuiert werden müssen.
Die Forschenden wollen außerdem untersuchen, wie kommerzielle autonome Fahrzeugflotten zentral koordiniert werden könnten, um Menschen ohne Transportmöglichkeit abzuholen oder Personen mit besonderen Anforderungen zu unterstützen. Ziel des Projekts ist es, zu erforschen, wie die bestehende Verkehrsinfrastruktur Menschen effektiver in Sicherheit bringen kann, statt einfach nur mehr Autos zu bewegen. EVAC-AI befindet sich weiterhin in der Forschungsphase. Die USC bezeichnet diese Funktionen als Ziele, die das Team entwickeln und untersuchen will.
USC Viterbi (AI): Can AI Agents Help Los Angeles Evacuate Faster During Wildfires?


