Optimal Spatiotemporal Evacuation Demand Management: Methodology and Case Study in Toronto
Notice bibliographique
Résumé
Emergency evacuation planning has drawn significant interest and attention over the past few years. The increasing rate of man-made disasters and natural catastrophes affecting major urban areas require comprehensive analysis and planning for emergency evacuation scenarios while harnessing the potential of Intelligent Transportation Systems (ITS) to expedite the evacuation process. Numerous studies, formulations, and control approaches have been presented in the literature with the common goal of improving the evacuation process to save precious time and lives. These studies are important contributions to the state of the art. However, the need still exists for integrating the various demand management and supply control strategies to synergize their potential benefits to emergency evacuation. The focus of this paper is to address the demand side of the problem and integrate demand scheduling and destination choice optimization. Towards integrating demand scheduling and destination choice, we attempt to dynamically route traffic during evacuation, capture the dynamics of both the loading and the evacuation profiles with time, utilize genetic algorithms as an optimization tool to fulfill the evacuation goal, and provide evacuees with optimal spatio-temporal guidance throughout the emergency evacuation process. The result is an optimal spatio-temporal evacuation (OSTE) model and tool that helps evacuees to decide where to go, when to go, and how to get there, i.e. the output of this model is the optimal departure times, destinations and paths for each evacuee. A case study applying the model to a portion of Downtown Toronto in a simulated environment is also presented.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».