Acaba de publicarse un nuevo artículo como parte del proyecto “TRACES: UNDERSTANDING HUMAN BEHAVIOUR IN CASE OF TERRORISM ATTACKS IN MASS GATHERING BUILDINGS” ayuda PID2019-106025RB-100 financiado por MICIU/AEI/10.13039/501100011033. El artículo, titulado “Logistic regression vs machine learning to predict evacuation decisions in fire alarm situations” se ha publicado en la revista Safety Science, que actualmente cuenta con un índice de impacto de 6.1 y cuartil Q1.
Este estudio se centra en los datos de la emergencia de alarma de incendio recopilados durante los experimentos online realizados al amparo del proyecto y en los que participaron más de 1800 individuos. Utilizando un enfoque data-driven, se evaluó el rendimiento de técnicas de regresión logística y de siete algoritmos de machine learning (Classification and Regression Tree, Naïve Bayes, K-nearest neighbours, Support Vector Machine, Random Forest, Extreme Gradient Boosting, y Artificial Neural Network) para predecir las decisiones de evacuación. Algunas de las contribuciones clave de este estudio son: 1) La confirmación y apoyo a observaciones de estudios previos que indican que la mayoría de los ocupantes no reaccionan de manera efectiva ante las alarmas de incendio, 2) la generación de datos cuantitativos con potencial uso para anticipar el comportamiento humano en situaciones de evacuación por incendio, y 3) el hallazgo de que tanto los modelos de regresión logística como los de machine learning son capaces de predecir con precisión los factores que influyen en las decisiones de evacuación de las personas durante las alarmas de incendio.
Te invitamos a explorar y compartir nuestro trabajo, que puedes encontrar en el siguiente enlace: https://doi.org/10.1016/j.ssci.2024.106485
No hay comentarios:
Publicar un comentario