Developing Transportation Response Strategies for Wildfire Evacuations via an Empirically Supported Traffic Simulation of Berkeley, California
Notice bibliographique
Résumé
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».