一种利用智能手机位置数据预测飓风撤离者目的地位置的机器学习方法

IF 2.6 Q2 COMPUTER SCIENCE, INTERDISCIPLINARY APPLICATIONS
Prosper K. Anyidoho, Xinglong Ju, Rachel A. Davidson, Linda K. Nozick
{"title":"一种利用智能手机位置数据预测飓风撤离者目的地位置的机器学习方法","authors":"Prosper K. Anyidoho, Xinglong Ju, Rachel A. Davidson, Linda K. Nozick","doi":"10.1007/s43762-023-00102-0","DOIUrl":null,"url":null,"abstract":"","PeriodicalId":72667,"journal":{"name":"Computational urban science","volume":"49 1","pages":""},"PeriodicalIF":2.6000,"publicationDate":"2023-09-14","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":"{\"title\":\"A machine learning approach for predicting hurricane evacuee destination location using smartphone location data\",\"authors\":\"Prosper K. Anyidoho, Xinglong Ju, Rachel A. Davidson, Linda K. Nozick\",\"doi\":\"10.1007/s43762-023-00102-0\",\"DOIUrl\":null,\"url\":null,\"abstract\":\"\",\"PeriodicalId\":72667,\"journal\":{\"name\":\"Computational urban science\",\"volume\":\"49 1\",\"pages\":\"\"},\"PeriodicalIF\":2.6000,\"publicationDate\":\"2023-09-14\",\"publicationTypes\":\"Journal Article\",\"fieldsOfStudy\":null,\"isOpenAccess\":false,\"openAccessPdf\":\"\",\"citationCount\":\"0\",\"resultStr\":null,\"platform\":\"Semanticscholar\",\"paperid\":null,\"PeriodicalName\":\"Computational urban science\",\"FirstCategoryId\":\"1085\",\"ListUrlMain\":\"https://doi.org/10.1007/s43762-023-00102-0\",\"RegionNum\":0,\"RegionCategory\":null,\"ArticlePicture\":[],\"TitleCN\":null,\"AbstractTextCN\":null,\"PMCID\":null,\"EPubDate\":\"\",\"PubModel\":\"\",\"JCR\":\"Q2\",\"JCRName\":\"COMPUTER SCIENCE, INTERDISCIPLINARY APPLICATIONS\",\"Score\":null,\"Total\":0}","platform":"Semanticscholar","paperid":null,"PeriodicalName":"Computational urban science","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.1007/s43762-023-00102-0","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"Q2","JCRName":"COMPUTER SCIENCE, INTERDISCIPLINARY APPLICATIONS","Score":null,"Total":0}
引用次数: 0

摘要

摘要疏散目的地选择建模是疏散规划的一个重要方面。需要这些模型的输出来估计疏散命令所依据的疏散时间。到达每个目的地的疏散人数也为资源分配和避难所规划提供了信息。尽管它很重要,但疏散人员目的地建模并没有像确定谁疏散以及何时疏散那样受到重视。在这项研究中,我们提出了一种新的方法来识别撤离人员,并确定他们去哪里,何时使用隐私增强的智能手机位置数据。我们使用美国最近四个影响多个地区的飓风(2018年佛罗伦萨、2018年迈克尔、2019年多里安和2021年艾达)的数据来演示该方法。然后,我们在这些结果的基础上开发了一个新的机器学习模型,该模型可以预测在大都市统计区域对之间迁移的撤离人员数量。机器学习模型包含飓风特征,现有方法尚未充分利用这些特征。该模型的预测能力通过十倍交叉验证、飓风Ida(2021)的滞留验证以及与传统重力模型的比较进行了全面评估。结果表明,新模型在所有性能指标上都大大优于传统的重力模型。对机器学习模型中特征重要性的分析表明,除了距离和人口,飓风特征在撤离者目的地选择中也很重要。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
A machine learning approach for predicting hurricane evacuee destination location using smartphone location data
求助全文
通过发布文献求助,成功后即可免费获取论文全文。 去求助
来源期刊
CiteScore
4.10
自引率
0.00%
发文量
0
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
确定
请完成安全验证×
copy
已复制链接
快去分享给好友吧!
我知道了
右上角分享
点击右上角分享
0
联系我们:info@booksci.cn Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。 Copyright © 2023 布克学术 All rights reserved.
京ICP备2023020795号-1
ghs 京公网安备 11010802042870号
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术官方微信