Exposure datasets representing a synthetic future urban context, including socio-demographic, building, and land-use data from 10 cities, for natural hazard risk modelling
Notice bibliographique
Résumé
This dataset includes synthetically produced data from 10 different cities (Istanbul, Nablus, Chattogram, Cox’s Bazaar, Nairobi, Nakuru, Quito, Kokhana, Rapti and Darussalam) for a future urban context. The data includes physical elements in a city such as buildings, roads, and power networks, as well as social elements such as households and individuals. The dataset contains a maximum of 9 different data types, described below. For some cities power and road network data were not considered due to context specific priorities. landuse: The land use plan data depicting how the land will be zoned and used in the next fifty years within the area or interest. The attributes include the land use type, areal coverage in hectares, maximum population density and existing population. building: Data representing the building footprints that will emerge as a result of the future exposure generation procedure. It includes the attributes of the building such as its identifier number, construction type, number of floors, footprint area, occupation type and construction code level. road nodes: Data representing the points where road segments (edges) are connected to each other, including the identifier number for each node. road edges: Data representing the road segments, including the ID numbers of the starting and ending point (node). power nodes: Data representing the points where power lines (edges) are connected to each other, including the identifier number for each node. power edges: Data representing the power segments, including the including the ID numbers of the starting and ending point (node). household: Data that contains social attributes of a household living in a building. The attributes include number of individuals, income level and commonly used facility ID (such as hospital). individual: Data that contains the attributes of the individuals that are a part of a household. The attributes are age, gender, school ID (if relevant), workplace ID (if relevant) and last attained education level. Distribution table: The future projections for each city that identifies the socio-demographic changes and expected physical development in the next 50 years. The data can be used in geospatial platforms. The nomenclature for the data is as follows: “CitynameFutureExposureDataset/Cityname_CommunityCode_DataType”. This dataset was created as case studies for the Tomorrows Cities: Tomorrowville virtual testbed. It is supported by NERC as part of the GCRF Urban Disaster Risk Hub (NE/S009000/1).
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 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,003 |
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 ».