在军事领域，通过复杂道路网络进行战术路线规划，需要对作战空间及作战区域内的威胁部署有深入的了解。威胁位置与交战区域是决定己方资产如何在作战空间内机动、避免暴露导致资产损失或任务失败的关键因素。本论文研究能否通过将概率性风险整合到城市道路网络中，使动态规划算法适用于生成安全、最优的路径。为模拟对抗性环境，利用奥克兰和克利夫兰两座城市的开源犯罪数据作为威胁活动的替代指标。通过为道路路段分配风险值以进行分析，生成一个安全标注图。利用动态规划算法中的迪杰斯特拉算法和A算法，展示了在两个道路网络上寻找安全路径的解决方案。结果表明，在安全标注图上应用A算法，相比基准的迪杰斯特拉算法提高了计算性能，并且动态规划解决方案能够识别出穿越道路网络的安全路径。这项工作为军事路线规划提供了一个可行的框架，使己方资产能够在对抗性环境中安全通行。

本文结构如下。第二章包括“背景与相关工作”，涵盖搜索算法和“城市网络中的犯罪建模”，描述了用于风险建模的现有研究和技术。此外，本章还涵盖了军事应用中使用的A*算法的现有变体。第三章涵盖了研究方法和结果。第四章包括从该数据中得出的其他结论和观察。第五章介绍了基于此项工作衍生的未来研究方向。