論文の概要: A Graphical Model of Hurricane Evacuation Behaviors

• arxiv url: http://arxiv.org/abs/2311.10228v1
• Date: Thu, 16 Nov 2023 22:58:57 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-22 15:26:41.410110
• Title: A Graphical Model of Hurricane Evacuation Behaviors
• Title（参考訳）: ハリケーン避難行動のグラフモデル
• Authors: Hui Sophie Wang, Nutchanon Yongsatianchot and Stacy Marsella
• Abstract要約: 避難時のリスク認識と難易度は、避難決定に直接的・独立的に影響を及ぼす。 メディアから受信した情報の一部がリスク認知に影響を与え、それを通じて間接的に避難行動に影響を及ぼすことがわかった。 家族や友人の提言、近隣住民の避難行動、職員からの避難通知など、リスク認知と避難行動の両方に直接影響を及ぼすことが判明した。
• 参考スコア（独自算出の注目度）: 3.0902630634005797
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Natural disasters such as hurricanes are increasing and causing widespread devastation. People's decisions and actions regarding whether to evacuate or not are critical and have a large impact on emergency planning and response. Our interest lies in computationally modeling complex relationships among various factors influencing evacuation decisions. We conducted a study on the evacuation of Hurricane Irma of the 2017 Atlantic hurricane season. The study was guided by the Protection motivation theory (PMT), a widely-used framework to understand people's responses to potential threats. Graphical models were constructed to represent the complex relationships among the factors involved and the evacuation decision. We evaluated different graphical structures based on conditional independence tests using Irma data. The final model largely aligns with PMT. It shows that both risk perception (threat appraisal) and difficulties in evacuation (coping appraisal) influence evacuation decisions directly and independently. Certain information received from media was found to influence risk perception, and through it influence evacuation behaviors indirectly. In addition, several variables were found to influence both risk perception and evacuation behaviors directly, including family and friends' suggestions, neighbors' evacuation behaviors, and evacuation notices from officials.
• Abstract（参考訳）: ハリケーンなどの自然災害が増加し、広範囲の荒廃を引き起こしている。 避難するかどうかに関する人々の決定と行動は重要であり、緊急の計画と対応に大きな影響を与える。 我々の関心は、避難決定に影響を与える様々な要因の複雑な関係を計算的にモデル化することである。 2017年大西洋ハリケーンシーズンのハリケーンirmaの避難状況について調査を行った。 この研究は、潜在的な脅威に対する人々の反応を理解するために広く使われている枠組みである保護モチベーション理論(PMT)によって導かれた。 関連する要因と避難決定の間の複雑な関係を表現したグラフモデルを構築した。 Irmaデータを用いて,条件付き独立性テストに基づく異なるグラフィカル構造の評価を行った。 最終モデルはPMTとほぼ一致している。 リスク認知(評価)と避難困難(評価)の両方が直接的かつ独立に避難決定に影響を及ぼすことを示す。 メディアから受信された情報によってリスクの知覚に影響を与え、間接的に避難行動に影響を及ぼすことが判明した。 さらに,家族や友人の提言,近隣住民の避難行動,職員からの避難通知など,リスク認知と避難行動に直接影響を及ぼす変数がいくつか見出された。

関連論文リスト

• CrisisSense-LLM: Instruction Fine-Tuned Large Language Model for Multi-label Social Media Text Classification in Disaster Informatics [49.2719253711215]
  本研究では,事前学習型大規模言語モデル(LLM)の強化による災害テキスト分類への新たなアプローチを提案する。 本手法では,災害関連ツイートから包括的インストラクションデータセットを作成し,それをオープンソース LLM の微調整に用いる。 この微調整モデルでは,災害関連情報の種類,情報化,人的援助の関与など,複数の側面を同時に分類することができる。
  論文  参考訳（メタデータ） (2024-06-16T23:01:10Z)
• Explaining by Imitating: Understanding Decisions by Interpretable Policy Learning [72.80902932543474]
  観察されたデータから人間の行動を理解することは、意思決定における透明性と説明責任にとって重要である。 意思決定者の方針をモデル化することが困難である医療などの現実的な設定を考えてみましょう。 本稿では, 設計による透明性の向上, 部分観測可能性の確保, 完全にオフラインで動作可能なデータ駆動型意思決定行動の表現を提案する。
  論文  参考訳（メタデータ） (2023-10-28T13:06:14Z)
• DeCrisisMB: Debiased Semi-Supervised Learning for Crisis Tweet Classification via Memory Bank [52.20298962359658]
  危機イベントにおいて、人々は、状況、警告、アドバイス、サポートに関する情報を広めるために、Twitterのようなソーシャルメディアプラットフォームを使うことが多い。 完全に教師されたアプローチでは、大量のデータを注釈付けする必要があります。 半教師付きモデルは偏りがあり、特定のクラスでは適度に機能し、他のクラスでは極めて貧弱である。 本稿では,メモリバンクを用いて,各学習クラスから生成された擬似ラベルを等しくサンプリングする,単純かつ効果的なデバイアス処理手法であるDeCrisisMBを提案する。
  論文  参考訳（メタデータ） (2023-10-23T05:25:51Z)
• HurriCast: An Automatic Framework Using Machine Learning and Statistical Modeling for Hurricane Forecasting [5.806235734006766]
  ハリケーンは、その破壊的な影響により、アメリカにおいて大きな課題を呈している。 これらのリスクを緩和することは重要であり、この取り組みの中心は保険業界である。 本研究では,ARIMAモデルとK-MEANSを組み合わせることで,ハリケーンの傾向をより正確に把握する手法を提案する。
  論文  参考訳（メタデータ） (2023-09-12T19:48:52Z)
• Investigating disaster response through social media data and the Susceptible-Infected-Recovered (SIR) model: A case study of 2020 Western U.S. wildfire season [0.8999666725996975]
  ソーシャルメディアは災害時の公衆の懸念や要求を反映することができる。 Twitterデータからトピックをクラスタリングするために、BERT(Bidirectional Representations from Transformers)トピックモデリングを使用しました。 本研究では、ソーシャルメディアデータを用いたSIRモデルとトピックモデリングが、災害対応を定量的に評価するための意思決定者に提供する方法について詳述する。
  論文  参考訳（メタデータ） (2023-08-10T01:51:33Z)
• Causal Disentangled Variational Auto-Encoder for Preference Understanding in Recommendation [50.93536377097659]
  本稿では,コメンテータシステムにおける対話データから因果不整合表現を学習するためのCaD-VAE(Causal Disentangled Variational Auto-Encoder)を提案する。 この手法は構造因果モデルを用いて、潜在因子間の因果関係を記述する因果表現を生成する。
  論文  参考訳（メタデータ） (2023-04-17T00:10:56Z)
• Predicting Hurricane Evacuation Decisions with Interpretable Machine Learning Models [0.0]
  本研究では,容易にアクセス可能な人口動態と資源関連予測器によって構築された世帯の避難決定を予測するための新しい手法を提案する。 提案手法は,避難交通需要の推計を改善するため,緊急管理当局に新たなツールと枠組みを提供する可能性がある。
  論文  参考訳（メタデータ） (2023-03-12T03:45:44Z)
• An Energy Consumption Model for Electrical Vehicle Networks via Extended Federated-learning [50.85048976506701]
  本稿では,フェデレートラーニングモデルに基づく不安度を測る新しい手法を提案する。 バッテリー消費を推定し、車両ネットワークにエネルギー効率の高いルートプランニングを提供する。
  論文  参考訳（メタデータ） (2021-11-13T15:03:44Z)
• Learning Bias-Invariant Representation by Cross-Sample Mutual Information Minimization [77.8735802150511]
  対象タスクが誤用したバイアス情報を除去するために,クロスサンプル対逆脱バイアス法(CSAD)を提案する。 相関測定は, 対向的偏り評価において重要な役割を担い, クロスサンプル型相互情報推定器によって行われる。 我々は,提案手法の最先端手法に対する利点を検証するために,公開データセットの徹底的な実験を行った。
  論文  参考訳（メタデータ） (2021-08-11T21:17:02Z)
• Constructing Evacuation Evolution Patterns and Decisions Using Mobile Device Location Data: A Case Study of Hurricane Irma [5.902556437760098]
  本稿では,大規模な携帯電話位置情報サービス(LBS)データを用いて,ハリケーンイルマの上陸時の避難パターンを構築した。 ユーザの避難判断,出発・再入国日分布,目的地選択を検討した。 分析の結果,避難選択のモデル化における個人の移動行動の重要性が明らかになった。
  論文  参考訳（メタデータ） (2021-02-24T23:24:10Z)
• Understanding the Dynamics of Information Flow During Disaster Response Using Absorbing Markov Chains [15.97186478109836]
  本稿では,災害対応効果に対する情報フローの影響を評価するための定量的モデルを提案する。 モデルの中核は、連邦支援をコミュニティに届ける過程をモデル化する、特別な吸収マルコフ連鎖である。
  論文  参考訳（メタデータ） (2020-06-11T15:28:42Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。