Zusammenfassung Diese Arbeit gibt einen knappen Überblick über die Literatur zu früheren Studien im Katastrophenmanagement durch den Einsatz von Künstlicher Intelligenz (KI). Sie stützt sich auf Belege aus 96 begutachteten Artikeln, die aus mehreren akademischen Datenbanken, einschließlich IEEE Xplore, Elsevier, Wiley und Springer, stammen. Es werden zwei breite Themenbereiche behandelt: Die Phasen des Katastrophenmanagementzyklus (Vorbereitung, Reaktion und Wiederherstellung) und einen dreistufigen Zeitrahmen (Primitiv: 2000–2010, Übergangszeit: 2011–2016, Modern: 2017-heute). Die Forschung wird durch visuelle Grafiken durchgeführt, um die Variation in der Forschungsaktivität in verschiedenen Regionen, Zeiträumen und Phasen von Katastrophen zu demonstrieren. Es umfasst eine bibliometrische Co-Occurrence-Analyse unter Verwendung von VOSviewer, die darauf abzielt, wichtige thematische Cluster zu identifizieren. Tabellen konzentrieren sich auf den Vergleich der Leistung verschiedener KI-Methoden, die auf bestimmte katastrophenbezogene Aufgaben angewendet werden. Die Ergebnisse deuten auf den offensichtlichen Ersatz konventioneller regelbasierter Lösungen durch ausgeklügeltere Deep-Learning-Lösungen hin. Sie beleuchtet bestehende Lücken und aktuelle Entwicklungen, indem sie methodische Trends, Ergebnisse der Leistung und zukünftige Forschungsrichtungen beschreibt.
Muthukumar et al. (Wed,) untersuchten diese Frage.