Exploring the Potential of Using Privately-Owned, Self-Driving Autonomous Vehicles for Evacuation Assistance
Notice bibliographique
Résumé
The potential use of privately-owned autonomous vehicles (AVs) for the evacuation of carless households threatened by hurricanes is underexplored. Based on 518 original survey responses from South Carolina (SC) residents, an ordered logistic model was developed to determine the willingness of individuals to temporarily share their AVs for evacuation without their presence. The model results indicated that respondents who (a) were unemployed, (b) had experience giving disaster relief assistance, (c) took regular religious trips and were more comfortable with AVs (d) delivering packages and (e) being purchased and shared for income in the next five years were more willing to share for evacuation. Respondents who (a) were aged 65 or older, (b) had income below $ 15,000 per year, and (c) had less than two social media accounts were less willing to share. The model was applied to a state-wide synthetic population to simulate a disaster scenario in SC under different AV market penetration ( p ) scenarios to determine the potential use of AVs for evacuation assistance. Monte Carlo simulation results indicated that the percentage of households that can be evacuated increased linearly with respect to p , by 5.5 % for every 1 % increase in p until p was nearly 20 % . When p was 30 % or higher, the number of shared AVs was sufficient to evacuate all households in need. Therefore, in SC, if privately-owned AVs are widely available, they could serve as a viable alternative or be used to supplement the traditional evacuation programs that rely on buses.
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 | 0,002 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».