MétaCan
Menu
Retour à la cohorte
Enregistrement W4386750364 · doi:10.1139/facets-2022-0229

A simulation-based optimization method for emergency evacuation induced by gas pipeline leakage risk

2023· article· en· W4386750364 sur OpenAlexvenueno aff
Ling Wang, Xuejiao Chen, Chaofeng Liu, Xingxing Guo, Gang Li, Xiaoran Liu

Notice bibliographique

RevueFACETS · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueEvacuation and Crowd Dynamics
Établissements canadiensnon disponible
Organismes subventionnairesTianjin Science and Technology Program
Mots-clésLeakage (economics)Computer scienceToxic gasEnvironmental scienceSimulationEnvironmental engineering

Résumé

récupéré en direct d'OpenAlex

Long-distance gas pipelines with large diameter and high pressure, on which a leakage induces gas diffusion or fire explosion, may result in major influence to nearby buildings and residents. Safety and rapid evacuation of potentially affected people is a top priority. To analyze the affected areas by disasters and improve evacuation efficiency of the affected areas, this study presents a simulation-based optimization method for emergency evacuation induced by gas leakage risk. First, the influence radii of different leakage accidents were calculated based on damage criteria and the evacuation radii around the accidents were determined considering the panic psychology. The number of evacuees and their spatial distribution were calculated. Secondly, an evacuation simulation model for affected communities based on the multi-agent system was established to analyze the evacuation process of residents. Finally, the optimal design method and strategies for community evacuation were proposed. Responsibility areas of organized evacuation service for community exits were determined. The results showed that the evacuation times of the two communities A and C were reduced by 10% and 24%, which indicates organized evacuation is more efficient than unorganized evacuation. The selection of community exits is more balanced. Its rationality of the proposed method was verified by the comparison of evacuation simulation.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,932
Score d'incertitude au seuil0,612

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,025
Tête enseignante GPT0,319
Écart entre enseignants0,294 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFACETSMême sujetEvacuation and Crowd DynamicsTravaux en français237 207