Case-Based Reasoning for Decision Support in Search and Rescue

Abstract

Hovedredningssentralen (HRS) har hovedansvaret i Norge for å koordinere søks- og rednings (SAR) aksjoner på sjø, land og i luft. SAR tjenester hjelper mennesker som befinner seg i en nødssituasjon ved å redde liv, hvor situasjonen ofte er tids-kritisk. Vil det være mulig å lage et system som gir beslutningstøtte for å hjelpe SAR aktører med å ta kjappe avgjørelser basert på situasjonsvurderingen? Case-Based Reasoning (CBR) er en metode som imiterer menneskelig problem-løsende atferd, ved å benytte tidligere erfaringer for å løse et nytt problem. Hovedmålet med forskningen er å designe og utvikle «retrieval» prosessen for en CBR komponent som predikerer en hypotese om hvilken handling som er best gitt et mål og situasjonsvurderingen.

Vi har gjennomgått tidligere arbeid som er relatert til SAR domenet og for andre domener som benytter CBR i tidskritiske situasjoner. Målet var å identifisere ulike tilnærminger og de ulike karakteristikkene ved hvert system. Vi lagde en prototype av CBR komponenten som fokuserte på å finne og hente ut den mest lignende situasjonen gitt et mål og en situasjonsvurdering.

Systemet ble evaluert ved å sammenligne ulike globale vekter og ved å finne mengden attributter, gitt ved prosent, som gir best resultat ved å predikere riktig hypotese. Resultatene er positive og viser at prototypen klarer å hente ut en situasjon som har lik løsning som problemet i spørringen.

Hovedredningssentralen (HRS) has the responsibility for Search and Rescue (SAR) in Norway at sea, land and air. SAR services help people in distress in an effort to save lives during time-critical situations. Would it be possible to create a decision support system for helping SAR operators make quick decisions based on the situation assessment? Case-Based Reasoning (CBR) is a methodology that imitates the human problem-solving behavior by using past experiences to solve a new problem. The main objective of our research is to design and develop the retrieval process in the CBR component for predicting the hypothesis on the best action given a goal and the situation assessment.

A review of related work was performed for the SAR domain and for other domains using CBR in time-critical situations. The objective was to identify the approaches used and the different characteristics inhibited by each system. A prototype of the retrieval process was designed and developed for finding the most similar case given the situation assessment and goal.

The evaluation of the system is based on a comparison of different global similarity measures and finding the highest weighted attributes, given by a percentage, which yields the best performance for predicting the correct hypothesis. The results show promise and the prototype system is able to retrieve the most similar case to a query given a good global similarity measure.