MétaCan
Menu
Retour à la cohorte
Enregistrement W3134322787 · doi:10.1177/03611981211030271

Developing Transportation Response Strategies for Wildfire Evacuations via an Empirically Supported Traffic Simulation of Berkeley, California

2021· article· en· W3134322787 sur OpenAlexaff
Bingyu Zhao, Stephen D. Wong

Notice bibliographique

RevueTransportation Research Record Journal of the Transportation Research Board · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueEvacuation and Crowd Dynamics
Établissements canadiensUniversity of Alberta
Organismes subventionnairesUniversity of California Institute of Transportation StudiesFederal Highway AdministrationNational Science Foundation
Mots-clésTransport engineeringGovernment (linguistics)Environmental scienceEngineering

Résumé

récupéré en direct d'OpenAlex

Government agencies must make rapid and informed decisions in wildfires to evacuate people safely. However, current evacuation simulation tools for resource-strapped agencies largely fail to compare possible transportation responses or incorporate empirical evidence from past wildfires. Consequently, this study employs online survey data from evacuees of the 2017 Northern California Wildfires ( n = 37), the 2017 Southern California Wildfires ( n = 175), and the 2018 Carr Wildfire ( n = 254) to inform a policy-oriented traffic evacuation simulation model. The simulation is tested for a hypothetical wildfire evacuation in the wildland-urban interface of Berkeley, California. The study focuses on variables including fire speed, departure time distribution, towing of items, transportation mode, GPS-enabled rerouting, phased evacuations (i.e., allowing higher-risk residents to leave earlier), and contraflow (i.e., switching all lanes away from danger). It was found that reducing evacuating household vehicles (i.e., to one vehicle per household) and increasing GPS-enabled rerouting (e.g., 50% participation) lowered exposed vehicles (i.e., total vehicles in the fire frontier) by over 50% and evacuation time estimates (ETEs) by about 30% from baseline. Phased evacuations with a suitable time interval reduced exposed vehicles most significantly (over 90%) but produced slightly longer ETEs. Both contraflow (on limited links because of resource constraints) and slowing fire speed were effective in lowering number of exposed vehicles (around 50%), but not ETEs. Extended contraflow can reduce both exposed vehicles and ETEs. It is recommended that agencies develop a communication and parking plan to reduce the number of evacuating vehicles, create and communicate a phased evacuation plan, and build partnerships with GPS-routing services.

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)0,004
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,753
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,003
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 Opus0,103
Tête enseignante GPT0,410
Écart entre enseignants0,307 · 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.

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

Citations26
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTransportation Research Record Journal of the Transportation Research BoardMême sujetEvacuation and Crowd DynamicsTravaux en français237 207