1.1 Literature ReviewLiterature on

1.1 Literature Review
Literature on evacuation models is well documented. Various researches in this transportation field have focused on
evacuation planning from various perspectives. Due to the complexity and dynamic nature of transportation network attributes during a disaster, one of the challenges of evacuation modelling is accurately estimating evacuation time.
Lindell et al (2002) presented Empirically Based Large-scale Evacuation Time Estimate Model (EMBLEM2) which is an Evacuation Time Estimate (ETE) model. Their research chronicled various contributions in the methodology for ETE. However, they acknowledge its limitation of not accounting for transit dependent users. Wilmot and Mei (2004) compared the relative accuracy of ETE models. They view logistic regression and neural network models as more superior in predicting evacuation more accurately than the participation rate model.
Traffic and incident management strategies require continuous adaptation to dynamic traffic demands. Dynamic Traffic
Assignment (DTA) models provide an understanding of highway network characteristics such as link flows and link travel
times. Traffic assignments are viewed through static and dynamic categories. Static equilibrium models have been widely
used for long-range planning. However, they are deficient in capturing the essential features of traffic congestion.
Even though researchers have made tremendous contributions in developing Dynamic Traffic Assignment (DTA) models over the past three decades, proper formulation is still lacking largely due to their complexity when compared to static models.
For further details on the advances in past research in DTA, refer to Peeta and Ziliaskopoulos (2001), Viti and Tampere (2010) and Szeto and Wong (2012).

Ozdamar et al (2004) modeled this dynamic time-dependent transportation problem during emergencies from logistics
perspective. While their model shows the capacity to provide updated more effective supply lines for distribution of resources as more information becomes available, it does not consider the impact of user choices in a multimodal environment in the overall performance of the highway network. Liu et al (2007) modeled an adaptive control framework for traffic management. Liu's model shares our view of real-time modeling but assumes dynamic OD demands are given and gives relatively minimal consideration to the effect of multimodal choices in their analysis. Lammel et al (2009) simulated time-dependent large-scale evacuation in hurricane prone regions. Even though they acknowledge the need to account for pedestrians in the evacuation scheme, their perspective did not consider the potential effect of access to multimodal transportation in achieving efficient pedestrian evacuation.

Research studies on route choices and transportation network user behavior during a disaster have seen considerable
advances in recent years. In origin-destination (OD) trip estimations (Murray-Tuite and Mahmassani 2003; Fu and Wilmot
2004 and Jha and Okonkwo 2010), behavior analysis (Helbing et al. 2000; Fraser-Mitchell 2001) and path planning (Kang et al 2004) are among the notable works in these areas of research. They are rarely concerned with transportation cost which affects the overall efficiency of routes to effectively accommodate the sudden loads introduced to the network during evacuation.
Knowledge of the dynamic changes within the network in real time is valuable to decision-makers in allocating
the resources or advising better travel routes. However, due to the distinct features of different types of disasters, specific
planning models have been developed for various evacuation scenarios, including nuclear plant crisis, hurricane, flooding, and fire, etc. Southworth (1991), Urbina and Wolshon (2003), and Alsnih and Stopher (2004) presented detailed discussions on evacuation planning modeling. Rice et al (2011) modeled time-based evacuation to determine choke points and shortest path to safe centers from wildfire areas.
Their research work involved the use of GIS Network Analyst to develop Closest Facility (CF) solver considering travel time and distance to locate facility closest to a given incident.
However, the case study used for the analysis appears to have rural attributes with fairly moderate traffic and spatially limited transit connectivity.

ผลลัพธ์ (ไทย) 1:

1.1 ทบทวนวรรณกรรมวรรณคดีรุ่นอพยพเป็นเอกสารที่ดี เน้นที่งานวิจัยต่าง ๆ ในฟิลด์นี้การขนส่งอพยพที่วางแผนจากมุมมองต่าง ๆ เนื่องจากความซับซ้อนและลักษณะแบบไดนามิกของคุณลักษณะเครือข่ายขนส่งในระหว่างภัยพิบัติ หนึ่งในความท้าทายของงานการอพยพอย่างแม่นยำกำลังประมาณเวลาอพยพ Lindell et al (2002) นำเสนอเชิงประสบการณ์ Large-scale อพยพเวลาประเมินแบบจำลองจาก (EMBLEM2) ซึ่งเป็นแบบประเมินเวลาอพยพ (พัก) วิจัยของพวกเขา chronicled ผลงานต่าง ๆ ในวิธีการสำหรับการพัก อย่างไรก็ตาม พวกเขายอมรับข้อจำกัดของไม่บัญชีผู้ใช้ขึ้นอยู่กับขนส่ง Wilmot และเหม (2004) เปรียบเทียบความสัมพันธ์รุ่นที่พัก พวกเขาดูถดถอยโลจิสติก และข่ายประสาทรุ่นพิเศษขึ้นในการทำนายการอพยพแม่นยำกว่าแบบอัตราการมีส่วนร่วม จราจรและกลยุทธ์การจัดการเหตุการณ์ต้องปรับตัวอย่างต่อเนื่องให้ความต้องการรับส่งข้อมูลแบบไดนามิก รับส่งข้อมูลแบบไดนามิกรุ่น (DTA) การกำหนดให้มีความเข้าใจในลักษณะเครือข่ายทางหลวงเช่นกระแสเชื่อมโยง และเชื่อมโยงการท่องเที่ยวครั้ง จราจรกำหนดดูผ่านประเภทคงที่ และแบบไดนามิก แบบจำลองสมดุลคงได้รับกันอย่างแพร่หลายใช้สำหรับการวางแผนระยะยาว อย่างไรก็ตาม พวกเขาจะขาดคุณสมบัติที่สำคัญของจราจรจับ แม้ว่านักวิจัยได้มีส่วนร่วมอย่างมากในการพัฒนารูปแบบการกำหนดปริมาณการใช้งานแบบไดนามิก (DTA) สามทศวรรษ ยังมีขาดการกำหนดที่เหมาะสมมากเนื่องจากความซับซ้อนของพวกเขาเมื่อเทียบกับแบบคงที่สำหรับรายละเอียดเพิ่มเติมในความก้าวหน้าในงานวิจัยใน DTA ดูกับแคทนิส และ Ziliaskopoulos (2001), วิติ และแทม (2010) และ Szeto และวง (2012) Ozdamar et al (2004) จำลองปัญหานี้ขนส่งขึ้นอยู่กับเวลาแบบไดนามิกในกรณีฉุกเฉินจากโลจิสติกส์มุมมอง ในขณะที่รูปแบบการแสดงกำลังการผลิต เพื่อให้ปรับปรุงมีประสิทธิภาพจัดหาบรรทัดสำหรับการกระจายของทรัพยากรเป็นข้อมูลเพิ่มเติมจะพร้อมใช้งาน พิจารณาผลกระทบของการเลือกผู้ใช้ในสภาพแวดล้อมที่ต่อเนื่องในการทำงานโดยรวมของเครือข่ายทางหลวง Liu et al (2007) จำลองกรอบการทำงานระบบควบคุมการจัดการจราจร รุ่นของ Liu หุ้นมองโมเดลแบบเรียลไทม์ แต่อนุมานความ OD แบบไดนามิกจะได้รับ และให้พิจารณาค่อนข้างน้อยที่สุดเพื่อผลของต่อเนื่องในการวิเคราะห์ของพวกเขา Lammel et al (2009) จำลองอพยพขนาดใหญ่ขึ้นอยู่กับเวลาในภูมิภาคมีแนวโน้มที่พายุเฮอริเคน แม้ว่าพวกเขายอมรับต้องบัญชีสำหรับคนเดินเท้าในอพยพ มุมมองของพวกเขาไม่พิจารณาศักยภาพผลของการขนส่งต่อเนื่องในการบรรลุการอพยพคนเดินเท้าที่มีประสิทธิภาพ การศึกษาวิจัยการเลือกและพฤติกรรมผู้ใช้เครือข่ายการขนส่งในระหว่างภัยพิบัติได้เห็นองถนนความก้าวหน้าในปี ในต้นทางปลายทาง (OD) เดินประมาณ (Murray Tuite และ Mahmassani 2003 ฟูและ Wilmot2004 และ Jha และ Okonkwo 2010), การวิเคราะห์ลักษณะการทำงาน (Helbing et al. 2000 Fraser-Mitchell 2001) และเส้นทางการวางแผน (Kang et al 2004) มีผลงานที่โดดเด่นในพื้นที่เหล่านี้ของการวิจัย พวกเขาจะไม่ค่อยเกี่ยวข้องกับการขนส่งต้นทุนที่มีผลต่อประสิทธิภาพโดยรวมของเส้นทางเพื่อรองรับโหลดทันทีที่นำมาใช้กับเครือข่ายในระหว่างการอพยพได้อย่างมีประสิทธิภาพ ความรู้ของการเปลี่ยนแปลงแบบไดนามิกภายในเครือข่ายในเวลาจริงที่มีคุณค่าให้อำนาจตัดสินใจในการปันส่วน ทรัพยากรหรือการให้คำปรึกษาดีกว่าเดินทางเส้นทาง อย่างไรก็ตาม เนื่องจากลักษณะเด่นของประเภทของภัยพิบัติ เฉพาะได้รับการพัฒนารูปแบบการวางแผนสำหรับสถานการณ์การอพยพต่าง ๆ รวมทั้งวิกฤตโรงงานนิวเคลียร์ พายุเฮอริเคน น้ำ ท่วม และไฟ ฯลฯ Southworth (1991), Urbina และ Wolshon (2003), และ Alsnih และ Stopher (2004) แสดงรายละเอียดการสนทนาบนโมเดลการวางแผนอพยพ ข้าว et al (2011) จำลองอพยพตามเวลาการตรวจสอบเนื้อ choke จุดและเส้นทางที่สั้นที่สุดไปยังศูนย์ปลอดภัยจากพื้นที่ได้งานวิจัยที่เกี่ยวข้องกับการใช้ GIS วิเคราะห์เครือข่ายการพัฒนาแก้ปัญหาสถานที่ใกล้เคียง (CF) พิจารณาการค้นหาสิ่งอำนวยความสะดวกใกล้เคียงกับเหตุการณ์ที่กำหนด อย่างไรก็ตาม ใช้สำหรับการวิเคราะห์กรณีศึกษาจะ มีคุณลักษณะชนบทค่อนข้างปานกลางและเชื่อมต่อขนส่งจำกัด spatially

ผลลัพธ์ (ไทย) 2:

1.1 การทบทวนวรรณกรรม
วรรณคดีในรูปแบบการอพยพเป็นเอกสารที่ดี งานวิจัยต่างๆในสาขาการขนส่งนี้ได้มุ่งเน้น
การวางแผนการอพยพจากมุมมองที่หลากหลาย เนื่องจากความซับซ้อนและลักษณะของเครือข่ายการขนส่งแอตทริบิวต์ในช่วงภัยพิบัติซึ่งเป็นหนึ่งในความท้าทายของการสร้างแบบจำลองการอพยพเป็นอย่างถูกต้องประมาณเวลาการอพยพ.
ลินเดลล์, et al (2002) นำเสนอจากสังเกตุขนาดใหญ่อพยพเวลาประมาณการ Model (EMBLEM2) ซึ่งเป็น อพยพเวลาประมาณการ (ETE) รุ่น วิจัยของพวกเขาลงมือผลงานต่าง ๆ ในวิธีการสำหรับ ETE อย่างไรก็ตามพวกเขาได้รับทราบข้อ จำกัด ของการไม่บัญชีสำหรับการขนส่งขึ้นอยู่กับผู้ใช้ มอทและเหม่ย (2004) เมื่อเทียบกับความถูกต้องของญาติของรุ่น ETE พวกเขาดูการถดถอยและเครือข่ายประสาทโลจิสติกรุ่นเป็นมากขึ้นกว่าในการทำนายการอพยพถูกต้องมากขึ้นกว่ารุ่นอัตราการมีส่วนร่วม.
การจราจรและการจัดการเหตุการณ์กลยุทธ์การปรับตัวต้องใช้อย่างต่อเนื่องเพื่อตอบสนองความต้องการการจราจรแบบไดนามิก การจราจรแบบไดนามิก
การกำหนด (DTA) รุ่นที่ให้ความเข้าใจในลักษณะเครือข่ายทางหลวงเช่นกระแสการเชื่อมโยงและการเดินทางเชื่อมโยง
ครั้ง ที่ได้รับมอบหมายการจราจรจะถูกมองผ่านประเภทแบบคงที่และแบบไดนามิก แบบจำลองสมดุลคงได้รับการยอมรับอย่างกว้างขวาง
ใช้สำหรับการวางแผนระยะยาว แต่พวกเขาจะขาดในการจับคุณสมบัติที่สำคัญของการจราจรแออัด.
แม้ว่านักวิจัยได้ทำผลงานอย่างมากในการพัฒนาการกำหนดจราจรไดนามิก (DTA) รุ่นที่ผ่านมาสามทศวรรษที่ผ่านมาสูตรที่เหมาะสมยังขาดส่วนใหญ่เนื่องจากความซับซ้อนของพวกเขาเมื่อเทียบกับแบบคงที่ รุ่น.
สำหรับรายละเอียดเพิ่มเติมเกี่ยวกับความก้าวหน้าในการวิจัยที่ผ่านมาใน DTA ให้ดู Peeta และ Ziliaskopoulos (2001), Viti และ Tampere (2010) และ Szeto และวงศ์ (2012). Ozdamar, et al (2004) รูปแบบไดนามิกขนส่งขึ้นกับเวลานี้ ปัญหาที่เกิดขึ้นในกรณีฉุกเฉินจากโลจิสติกมุมมอง ขณะที่รูปแบบของพวกเขาแสดงให้เห็นถึงความสามารถในการที่จะให้มีการปรับปรุงเส้นอุปทานมีประสิทธิภาพมากขึ้นสำหรับการกระจายของทรัพยากรข้อมูลเพิ่มเติมจะกลายเป็นใช้ได้ก็ไม่ได้พิจารณาผลกระทบของตัวเลือกของผู้ใช้ในสภาพแวดล้อมที่ต่อเนื่องในการปฏิบัติงานโดยรวมของเครือข่ายทางหลวง หลิว, et al (2007) รูปแบบกรอบการควบคุมการปรับตัวสำหรับการจัดการจราจร รูปแบบของหลิวหุ้นมุมมองของการสร้างแบบจำลองของเราเวลาจริง แต่ถือว่าความต้องการ OD แบบไดนามิกจะได้รับการพิจารณาและให้ค่อนข้างน้อยที่สุดเพื่อผลของการเลือกที่ต่อเนื่องในการวิเคราะห์ของพวกเขา Lammel, et al (2009) จำลองขึ้นกับเวลาอพยพขนาดใหญ่ในภูมิภาคมีแนวโน้มที่พายุเฮอริเคน ถึงแม้ว่าพวกเขาได้รับทราบถึงความจำเป็นในการบัญชีสำหรับคนเดินเท้าในรูปแบบการอพยพที่มุมมองของพวกเขาไม่ได้พิจารณาถึงผลกระทบที่อาจเกิดขึ้นในการเข้าถึงการขนส่งต่อเนื่องหลายรูปในการบรรลุการอพยพคนเดินเท้าที่มีประสิทธิภาพ. การศึกษาวิจัยเกี่ยวกับทางเลือกเส้นทางและพฤติกรรมของผู้ใช้เครือข่ายการขนส่งในช่วงภัยพิบัติได้เห็นมากความก้าวหน้าในปีที่ผ่านมา ในการให้กำเนิดปลายทาง (OD) ประมาณการการเดินทาง (เมอร์เร-Tuite และ Mahmassani 2003 Fu และมอทปี 2004 และ Jha และ Okonkwo 2010), การวิเคราะห์พฤติกรรม (Helbing et al, 2000. เฟรเซอร์มิทเชลล์ 2001) และเส้นทางการวางแผน (Kang et al, 2004 ) เป็นหนึ่งในผลงานที่โดดเด่นในพื้นที่เหล่านี้ของการวิจัย พวกเขามีความกังวลไม่ค่อยมีต้นทุนการขนส่งที่มีผลต่อประสิทธิภาพโดยรวมของเส้นทางได้อย่างมีประสิทธิภาพรองรับการโหลดอย่างฉับพลันแนะนำให้รู้จักกับเครือข่ายในระหว่างการอพยพ. ความรู้เกี่ยวกับการเปลี่ยนแปลงแบบไดนามิกภายในเครือข่ายในเวลาจริงที่มีคุณค่าต่อการตัดสินใจของผู้มีอำนาจในการจัดสรรทรัพยากรหรือการให้คำปรึกษา เส้นทางการเดินทางที่ดีขึ้น แต่เนื่องจากคุณสมบัติที่แตกต่างของความแตกต่างของการเกิดภัยพิบัติเฉพาะรุ่นวางแผนได้รับการพัฒนาสำหรับสถานการณ์การอพยพต่างๆรวมถึงวิกฤตโรงไฟฟ้านิวเคลียร์พายุเฮอริเคนน้ำท่วมและไฟไหม้ ฯลฯ Southworth (1991), ติลและ Wolshon (2003) และ Alsnih และ Stopher (2004) นำเสนอการอภิปรายรายละเอียดเกี่ยวกับการสร้างแบบจำลองการวางแผนการอพยพ ข้าว, et al (2011) รูปแบบตามเวลาอพยพเพื่อตรวจสอบจุดที่ทำให้หายใจไม่ออกและเส้นทางที่สั้นที่สุดไปยังศูนย์ปลอดภัยจากพื้นที่ไฟป่า. งานวิจัยของพวกเขาเกี่ยวข้องกับการใช้นักวิเคราะห์ระบบสารสนเทศภูมิศาสตร์เครือข่ายในการพัฒนาสิ่งอำนวยความสะดวกที่ใกล้ที่สุด (CF) แก้พิจารณาเวลาในการเดินทางและระยะทางในการค้นหา สิ่งอำนวยความสะดวกใกล้เคียงกับเหตุการณ์ที่เกิดขึ้นได้รับ. อย่างไรก็ตามกรณีศึกษาที่ใช้สำหรับการวิเคราะห์ดูเหมือนจะมีคุณลักษณะในชนบทที่มีการจราจรอย่างเป็นธรรมในระดับปานกลางและการเชื่อมต่อการขนส่งเชิงพื้นที่ จำกัด

ผลลัพธ์ (ไทย) 3:

1.1 Literature评论在evacuation Literature模型。研究了各种documented是在这个地区在交通领域有由于各种perspectives evacuation。从规划到动态交通网络的complexity和自然属性在一个灾难的挑战，一个是准确地estimating evacuation evacuation模型的时间。Lindell等人2002）基于时间presented Empirically大规模Evacuation Estimate模型（这是一个Evacuation EMBLEM2）时间Estimate（ETE）模型，研究contributions。房间的各种方法，在chronicled等。然而，他们承认它不依赖于会计limitation威尔莫特和运输。为用户2004相比美的精度（相对的）等。logistic回归模型和视图。他们在更为优越的神经网络模型更准确地predicting evacuation高于举行考量率模型。交通事故管理的要求和对动态流量adaptation体连续动态交通需求。差热分析（DTA）的分配（一）网络模型提供的理解highway作为链接和链接characteristics如flows旅行如果是viewed assignments时代。通过静态和动态的静态模型已经被equilibrium类别广泛。使用时，long-range计划。然而，他们缺乏必要的功能是在capturing拥塞的流量。虽然研究人员已经做contributions tremendous即使在动态交通分配的差热分析（DTA）开发的模型（over）三是过去几十年，由于lacking proper配方对他们仍然largely complexity静态模型相比时。为了进一步研究在细节上的差热分析（DTA）分析，在advances选择是指对广告和2001岛（），Ziliaskopoulos和坦佩雷（2010）和Szeto和Wong（2012）。Ozdamar等人（dynamic time），这是2004 -依赖的运输问题，从物流在紧急情况。他们的模型的能力。而凝集到提供更为有效的供应线UPDATED（资源分布更多的信息，它可作为becomes consider impact of user的我不在choices环境在一个多式联运网络综合性能的highway刘等人。模型自适应控制框架的一个2007）和流量管理。我们的模型shares刘assumes视图动态OD需求的实时建模和gives是最小的，因为relativelyconsideration到在他们的多式联运choices效应分析等。Lammel 2009 time-dependent large-scale（模拟）在飓风prone evacuation -虽然他们承认即使在想，行人在evacuation帐户他们不做的方案，通过对其的访问consider多式联运在运输的高效实现evacuation行人。在运输途中choices研究研究网络用户行为和灾难已经看到在一个considerable在最近的年。advances（OD）在origin-destination行estimations（Murray-Tuite和Mahmassani 2003；福和威尔莫特Jha和Okonkwo 2004和2010）、分析（Helbing等人的行为；Fraser-Mitchell 2000 2001康等）和路径规划Al 2004）在这些地区的notable among作品。他们的研究是有关运输成本与rarely？affects综合效率，有效地routes）的accommodate引进到网络的sudden loads evacuation要到。知识网络动态变化的内在价值的决策是一个在实时allocating旅游资源advising routes或更好的。然而，由于功能的不同distinct到B，disasters of特异性已经开发的各种模式，有计划scenarios）植物，包括evacuation，飓风，洪水，危机和火灾等。（1991，索斯沃斯和Wolshon 2003 Urbina（），（），和Alsnih和Stopher presented detailed discussions 2004）在建模evacuation莱斯等人。计划到determine time-based evacuation仿照2011）和shortest窒息点从wildfire path to centers地区安全。他的研究工作使用房间设备来开发GIS网络分析的计算机Closest（CF）solver考虑旅游。时间和距离来定位到一个给定的closest设备事故。然而，案例研究和分析，对有appears赢得农村中等流量和spatially与fairly属性connectivity运输有限。