Notice bibliographique
Résumé
Rapid urbanization and the increasing interest in sustainable land use have urged decision makersto consider replacing aboveground urban freeways with underground road tunnels. However,tunnelling major urban auto infrastructure would increase its vulnerability to natural hazards suchas fire, earthquake, and flood. Despite the significant consequences, the risks of these hazards onroad tunnels have not been thoroughly investigated. This study develops a digital inventory of aroad tunnel network proposed for Montreal using ArcGIS and conducts a case study to assess thetunnel risk under confined fire events. The highways between Anjou and Decarie feature hightraffic volumes and are considered to be buried underground and replaced with alternative roadtunnels. The ArcGIS data inventory is developed by positioning the tunnels along existing highwayroutes, and assembling and pre-processing a database for surrounding soil and rock profiles. Therelative risk scores of different tunnel segments under fire exposures due to possible vehiclecombustions and collisions are assigned based on their distances to the nearest (1) egress pointsfor human evacuation and (2) fire stations for fire suppression. As such, a relative fire risk map isdeveloped in ArcGIS for sampling locations at 100 m of spacing along the tunnel line.Subsequently, a new fire station is proposed to be placed near the high-risk site, showing itscapability to diminish the peak risk score from 100 to 60. The developed digital tunnel-soil/rockinventory and the fire-risk case study provide a viable pathway for end users to assess the spatialdistribution of hazard risk, pinpoint high-risk sites, and interactively quantify the effectiveness ofdifferent risk mitigation strategies
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».