MétaCan
Menu
Retour à la cohorte
Enregistrement W4405087424 · doi:10.1016/j.trd.2024.104537

Recovery times for highway disruptions due to natural hazard events

2024· article· en· W4405087424 sur OpenAlexafffundabout
Mujeeb Ur Rahman, Amy Kim

Notice bibliographique

RevueTransportation Research Part D Transport and Environment · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueInfrastructure Resilience and Vulnerability Analysis
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésHazardNatural (archaeology)Natural hazardEnvironmental scienceForensic engineeringTransport engineeringEngineeringGeographyBiologyEcologyMeteorology

Résumé

récupéré en direct d'OpenAlex

We present an empirical study of recovery times from disruptions due to natural hazards and extreme events on the highway system of British Columbia, Canada. Data was obtained from archives of the DriveBC traveller information system. We estimated a proportional hazard model to model recovery rates and ascertain the effects of key factors on recovery rate. The recovery rate for disruptions due to flooding is slowest, avalanche is fastest, and those for wildfires and landslides are similar. Geographic variations were indicated, with longer disruptions observed in more remote regions. Disruptions involving full roadway closure showed longer recovery rates. This study provides empirically-based insights towards improved mitigation of future highway disruptions due to natural hazard events. Given the relatively widespread existence of traveller information systems throughout North America, our analysis approach can be applied to understand transportation system recovery times for, and resilience against, disruptive events of concern in these jurisdictions.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,795
Score d'incertitude au seuil0,625

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 Opus0,019
Tête enseignante GPT0,287
Écart entre enseignants0,268 · 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

Citations1
Publié2024
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueTransportation Research Part D Transport and EnvironmentMême sujetInfrastructure Resilience and Vulnerability AnalysisTravaux en français237 207