Pre-disaster evacuation transport network design under uncertain demand and connectivity reliability: a novel bi-level programming model
Notice bibliographique
Résumé
Evacuation transport network design plays a critical role in the efficiency of emergency response. This research proposes a novel bi-level nonlinear programming model for the pre-flood evacuation transport network design. The model considers both uncertainties of demand and network connectivity reliability. An upper-level model is developed with the minimum total evacuation time and maximum network connectivity reliability, while the lower-level model is a traffic assignment model that describes people’s evacuation route choice behavior. For the uncertain network connectivity reliability, an approach to quantify it based on percolation theory is proposed. For the uncertain demand, an approach to transform it into a solvable form based on Robust Optimization (RO) is proposed. Furthermore, the lower-level model introduces the regret-risk utility function as its objective function and proves its applicability. An equilibrium condition is proposed to improve the Logit model based on the regret-risk utility function. For the solution of this model, an Improved Genetic Algorithm combined with Non-dominated Sorting Genetic Algorithm II(IGA-NSGA-II) is designed. Then, the Nguyen-Dupuis network is used to demonstrate that the approach developed in this paper can be used to solve the bi-level nonlinear programming model and to obtain a satisfactory design solution. Further, a parameter sensitivity analysis is shown to study the impact of the risk aversion parameter and regret aversion parameter in the regret-risk utility function. Finally, the Central Coast region of New South Wales, Australia is used as a case study, and the research output will help government authorities to plan and design a pre-flood evacuation transport network, especially to answer the questions of “Where to build potential roads?”, “How much budget is needed?”, “How long does it take to evacuate?”, and “How reliable is the network connectivity?”.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».