Airport evacuation under panic conditions: a microsimulation modeling applied at Ottawa International Airport
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
This study develops a framework of pedestrian evacuation microsimulation modeling that considers pedestrians’ social-physiological behavior in assessing an airport evacuation. The study implements social force model within a simulation platform enabling the articulation of stochastic pedestrian walking behavior realistically and reliably. It performs a sensitivity analysis of pedestrian behavior parameters to identify the candidate parameters required to capture pedestrian behavior under different levels of panic conditions. The study considers the case study of the Ottawa International Airport and tests and evaluates contrasting evacuation scenarios under low panic, medium panic, and high panic situations. Results indicate that under the low panic evacuation scenario, the pedestrians yield their movements with an increase in network bottleneck, potentially exhibit cooperative behavior, and control their speed with the rise of crowd density. On the contrary, individuals in high panic evacuation scenarios exhibit aggressive behavior indicated by their average speed, which is approximately 1.15 and 3.5 times the average compared with medium panic and low panic evacuation scenarios, respectively. Results suggest that it takes 5.38 min to evacuate 1300 passengers under high panic conditions compared with 9.75 min for a low panic evacuation scenario. However, in the case of a high panic evacuation scenario, the average speed keeps increasing even with the increase in crowd density. This framework can develop and evaluate strategies for safely evacuating the airport in the case of an emergency.
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 | 0,000 |
| 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 | 0,001 |
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 découle