Roxborough Park Community Wildfire Evacuation Drill: Data Collection and Model Benchmarking
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Wildfires are increasing in scale, frequency and longevity, and are affecting new locations as environmental conditions change. This paper presents a dataset collected during a community evacuation drill performed in Roxborough Park, Colorado (USA) in 2019. This is a wildland-urban interface community including approximately 900 homes. Data concerning several aspects of community response were collected through observations and surveys: initial population location, pre-evacuation times, route use, and arrival times at the evacuation assembly point. Data were used as inputs to benchmark two evacuation models that adopt different modelling approaches. The WUI-NITY platform and the Evacuation Management System model were applied across a range of scenarios where assumptions regarding pre-evacuation delays and the routes used were varied according to original data collection methods (and interpretation of the data generated). Results are mostly driven by the assumptions adopted for pre-evacuation time inputs. This is expected in communities with a low number of vehicles present on the road and relatively limited traffic congestion. The analysis enabled the sensitivity of the modelling approaches to different datasets to be explored, given the different modelling approaches adopted. The performance of the models were sensitive to the data employed (derived from either observations or self-reporting) and the evacuation phases addressed in them. This indicates the importance of monitoring the impact of including data in a model rather than simply on the data itself, as data affects models in different ways given the modelling methods employed. The dataset is released in open access and is deemed to be useful for future wildfire evacuation modelling calibration and validation efforts. Supplementary Information: The online version contains supplementary material available at 10.1007/s10694-023-01371-1.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle