MétaCan
Menu
Retour à la cohorte
Enregistrement W2612498682 · doi:10.1155/2017/6193127

Modeling Road Network Vulnerability for Evacuees and First Responders in No-Notice Evacuation

2017· article· en· W2612498682 sur OpenAlexvenueno aff
Xiang Chen, Qiang Li

Notice bibliographique

RevueJournal of Advanced Transportation · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueEvacuation and Crowd Dynamics
Établissements canadiensnon disponible
Organismes subventionnairesNational Natural Science Foundation of ChinaOhio State University
Mots-clésNoticeVulnerability (computing)Emergency evacuationConceptualizationComputer scienceVulnerability assessmentTransport engineeringComputer securityEvent (particle physics)Risk analysis (engineering)Operations researchBusinessEngineeringGeographyPolitical sciencePsychologyArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

The concept of vulnerability has been employed to develop transport systems that sustain devastating disasters and ensure the efficient evacuation of neighborhoods. Existing studies of road network vulnerability overlook two important aspects of analysis: the no-notice evacuation and the different objectives of evacuees and first responders. First, a no-notice evacuation leaves limited time for proactive emergency planning; therefore, rescue strategies in this scenario rely heavily on real-time traffic information. Second, the goal of first responders in an evacuation is to move into an affected area immediately after a hazardous event unfolds, and the risk they face differs from that of evacuees. To this end, this paper develops a network-based model to evaluate vulnerability during a no-notice evacuation and applies it to a case study in Dublin, OH, USA. The model is suited to assessing network vulnerability in response to events with uncertainty and coordinating traffic control strategies in a no-notice evacuation. This study can become a valuable complement to the methodological conceptualization of vulnerability and can provide insights into developing comprehensive emergency management plans.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,186
Score d'incertitude au seuil0,387

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,016
Tête enseignante GPT0,279
Écart entre enseignants0,263 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations19
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Advanced TransportationMême sujetEvacuation and Crowd DynamicsTravaux en français237 207