Measuring evacuation rates from mobility data during the McDougall Creek wildfire in British Columbia, Canada
Notice bibliographique
Résumé
In recent years, the intensity and occurrence of wildfires have risen globally, driven by climate change triggering extreme dry weather conditions. This study focuses on the 2023 McDougall Creek wildfire in British Columbia, highlighting the vulnerability of urban communities to severe wildfires. Using aggregated and de-identified network mobility data from a Canadian telecommunications provider, we quantified neighborhood-level evacuation rates and examined inter-regional travel patterns during the wildfire event. We applied a spatial difference-in-difference (DID) model to understand how neighborhood characteristics influenced evacuation rates. Our findings suggest that formal evacuation orders were positively associated with evacuation rates. We also found that the distance to the wildfire perimeter was a strong and significant predictor of evacuation rates, while socio-demographic variables previously identified as strong predictors of evacuation rates were not significant in this particular context. The analysis of travel patterns before and during the wildfire event reveals distinct directional patterns and variations in inter-regional travel across spatial scales. This research contributes to the understanding of wildfire evacuation dynamics and the application of human mobility data into disaster management, enhancing our knowledge of the human response to natural disasters. • Measured wildfire evacuation rates using network mobility data at the neighborhood level. • Analyzed neighborhood characteristics influencing wildfire evacuation rates through a spatial difference-in-difference model. • Found proximity to the wildfire perimeter to be a strong predictor of evacuation rates. • Revealed distinct directional movement patterns in inter-regional travel during the wildfire event.
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 | 0,000 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».