A Systematic Literature Review on Urban Resilience Enabled with Asset and Disaster Risk Management Approaches and GIS-Based Decision Support Tools
Notice bibliographique
Résumé
Urban Resilience (UR) enables cities and communities to optimally withstand disruptions and recover to their pre-disruption state. There is an increasing number of interdisciplinary studies focusing on conceptual frameworks and/or tools seeking to enable more efficient decision-making processes that lead to higher levels of UR. This paper presents a systematic review of 68 Scopus-indexed journal papers published between 2011 and 2022 that focus on UR. The papers covered in this study fit three categories: literature reviews, conceptual models, and analytical models. The results of the review show that the major areas of discussion in UR publications include climate change, disaster risk assessment and management, Geographic Information Systems (GIS), urban and transportation infrastructure, decision making and disaster management, community and disaster resilience, and green infrastructure and sustainable development. The main research gaps identified include: a lack of a common resilience definition and multidisciplinary analysis, a need for a unified scalable and adoptable UR model, margin for an increased application of GIS-based multidimensional tools, stochastic analysis of virtual cities, and scenario simulations to support decision making processes. The systematic literature review undertaken in this paper suggests that these identified gaps can be addressed with the aid of asset and disaster risk management methods combined with GIS-based decision-making tools towards significantly improving UR.
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 | 0,010 | 0,044 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,005 |
| Bibliométrie | 0,024 | 0,026 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 ».