MétaCan
Menu
Retour à la cohorte
Enregistrement W4410922401 · doi:10.1177/03611981251331013

Evacuation and Reentry Curves for Wildfire Evacuations Using Network Mobility Data

2025· article· en· W4410922401 sur OpenAlexaffabout
Ian Borody, Stephen D. Wong

Notice bibliographique

RevueTransportation Research Record Journal of the Transportation Research Board · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueEvacuation and Crowd Dynamics
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésReentryOccupancyPopulationComputer scienceEmergency evacuationGeographyTransport engineeringEnvironmental scienceMeteorologyEngineeringCivil engineeringDemographyPsychology

Résumé

récupéré en direct d'OpenAlex

With the rise in frequency and severity of wildfire events, understanding evacuation behavior is instrumental for emergency planning. Since evacuations have a strong temporal component, the departure and reentry times of people affect evacuation time estimates (ETEs) and congestion. To better understand emergent behavior and to analyze the temporal patterns in evacuations for improved evacuation planning, this paper investigates the movement of people out of hazard areas into host communities during the May 2023 Alberta Wildfires. While most data for these analyses are collected via traffic counts, mobile phones, or surveys, this research overcomes several limitations of these sources via privacy-protected network mobility data provided by the TELUS Data for Good program. From these data, unique devices were located during the evacuation and reentry time periods to model curves in four communities in Alberta ranging in population from 500 to 8,000: Drayton Valley, Edson, Fox Creek, and Rainbow Lake. The resulting departure time sequences first show generally fast evacuations that best match log-normal and log-logistic functions, and slower multiday, bimodal reentry curves. Second, ETEs were 6 to 10 hours and reentry estimates were 23 to 29 hours, which could be integrated into evacuation simulations and emergency planning. Third, the results suggest stable evacuation “S-shaped” curves and functions that could be used for general wildfire evacuation planning, particularly for smaller, auto-centric communities. Finally, the research showcases the benefit of deidentified network mobility data as an alternative data source and the increasing need to consider host communities in evacuations.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut 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: Empirique
Score de désaccord entre enseignants0,346
Score d'incertitude au seuil0,688

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,155
Tête enseignante GPT0,433
Écart entre enseignants0,277 · 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 source (Gemma direct ou Codex distillé), 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

Citations4
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueTransportation Research Record Journal of the Transportation Research BoardMême sujetEvacuation and Crowd DynamicsTravaux en français237 207