背景
Battelle（美国巴特利）是世界上最大的非营利性研发机构，也是全球性的技术开发、技术商品化和技术转让方面的领导者。他们管理或共同管理着美国能源部、美国国土安全部和英国国际核实验室的实验室。
问题
为了找到切实可行的解决方案，来快速有效地应对突发性的危机或自然灾害，Battelle需要测试在临时核装置（IND）场景下，一个48小时避难场所的效力。目的是通过比较即时疏散和就地安置命令，减少在无协调的大规模疏散过程中所受到的辐射量。
不论是自然或人为的灾难，建立它们的模型都会面对许多特别的挑战。会受到特殊的环境和物理的影响，存在大量的可能性方案和威胁因素。此外，人们的反应是未知的，应对策略也很少能按计划实施。
解决方案
选用仿真建模，是因为它有评估潜在场景空间的能力。确定性模型在一些关注因素上具有局限性，例如基本上无法预测人类的反应以及无法比较替代方案与寻找确切答案。
对Battelle来说，选择AnyLogic是非常自然的，因为它已经广泛在各个在机构项目中应用，包括：
- 医疗护理——医疗供应商资源管理、医院工作流程模拟、疾病感染控制
- 经济建设、产业集群预测及产品组合方案分析
- 车队调度、后勤及维护
- 国家安全和灾害应急
此外，AnyLogic基于智能体建模的能力可以让Battelle捕捉到灾难中最重要的动态。 涌现或紧急行为是对人类行为建模的关键原则。同时，模型有时会呈现出意料之外的结果。这两者都只能通过基于智能体的建模来捕获。
综合性模型的框架包含道路交通环境、车辆、驾驶员和灾害事件。为更好的进行控制，道路交通网由GIS数据库、当地交通管理局数据（最高车速、车道容量）组成的道路布局和作为节点的智能体共同搭建。随着灾难的发展，道路被洪水淹没或桥梁被毁等事件被纳入动态事件之中。
车辆的物理限制根据美国人口普查局和交通局提供的参数数据进行设置。进行大规模疏散时，考虑到驾驶者相比正常情况下的非理性变化，使用过去的灾难响应研究中的数据来表示驾驶者的行为。该模型还包含了动态路径查找（动态跟踪和更新的几个相互关联的智能体状态集）。此外，所有行为状态都与车辆的物理运动参数相关联，以便在驾驶员丧失驾驶能力时模拟车辆停车。
从初始值开始对智能体的行为变量进行校准，并使用过去灾难中的疏散数据来设置精度目标，因为校准和验证是证明仿真模型有效性的关键环节。如果没有历史数据可用，Battelle则使用来自其他主要交通事件的数据、基于其他灾难事件的敏感性分析和调查数据。
灾害应对仿真模型结构
动态等值线用于跟踪灾害覆盖区域，通常从其他仿真模型中得出，以划分处理需求。基于预测的天气模式、土地覆盖等实时更新的等高线，以及多个相互关联的等高线集，可用于表示几乎任何灾害场景（例如，洪水水位、火灾蔓延、破坏路径、污染/沉降物蔓延）。在IND场景中，主要使用了两个轮廓集；爆炸半径水平（火球和剩余压力等值线）和沉降物分布（空气中的辐射水平和各种放射性粒子类型在地面上的沉积）。
结果
AnyLogic建立的仿真模型对直接疏散和有序就地避难进行了比较，并得出结论：有序就地避难明显减少了辐射接收量和严重辐射中毒的情况。
该模型还产生了相应的输出，以测试不同的灾害应对策略，并在多个可选项中找到最好的响应策略。Battelle能够将应急响应智能体、多个干预场景和可互换的模型组件（相同的灾难场景的不同位置，或相同位置的不同场景）结合起来，当面对各种突发性危机或自然灾害时，快速有效的找到实际操作解决方案。