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 ทบทวนวรรณกรรมวรรณกรรมในรูปแบบการอพยพมีเอกสารดี วิจัยต่างๆในฟิลด์ได้เน้นการขนส่งการวางแผนการอพยพจากมุมมองต่างๆ เนื่องจากความซับซ้อนและธรรมชาติแบบไดนามิกของแอตทริบิวต์ของเครือข่ายการขนส่งในช่วงภัยพิบัติ หนึ่งในความท้าทายของการเป็นอย่างถูกต้องคำนวณเวลาอพยพ โยกย้ายlindell et al ( 2002 ) เสนอเชิงประจักษ์ตามขนาดใหญ่การอพยพเวลาประมาณการแบบ ( emblem2 ) ซึ่งจะอพยพเวลาประมาณ ( ETE ) นางแบบ การวิจัยของพวกเขาลงมือผลงานต่าง ๆ ในวิธีการจ้า . อย่างไรก็ตาม พวกเขายอมรับข้อจำกัดของมันไม่บัญชีสำหรับการขนส่งขึ้นอยู่กับผู้ใช้ มอทและเม ( 2004 ) เปรียบเทียบความสัมพัทธ์ของรุ่นจ้า . พวกเขาดูถดถอยโลจิสติกและแบบจำลองโครงข่ายประสาทเทียมที่ใช้ในการอพยพมากขึ้นดีกว่าถูกต้องกว่าอัตราการมีส่วนร่วมแบบการจราจรและกลยุทธ์การจัดการเหตุการณ์ต้องมีการปรับตัวอย่างต่อเนื่อง ความต้องการการจราจรแบบไดนามิก การจราจรแบบไดนามิกงาน ( dta ) รุ่นให้มีความเข้าใจในลักษณะโครงข่ายทางหลวงเชื่อมโยงกระแสและเชื่อมโยงการท่องเที่ยว เช่นครั้ง งานจราจรดูผ่านคงที่และประเภทแบบไดนามิก แบบจำลองสมดุลสถิตได้รับอย่างกว้างขวางใช้สำหรับการวางแผนระยะยาว . อย่างไรก็ตาม พวกเขาขาดคุณสมบัติที่จำเป็นในการจับภาพการจราจรที่ติดขัดถึงแม้ว่านักวิจัยได้สร้างผลงานอันยิ่งใหญ่ในการพัฒนางานจราจรแบบไดนามิก ( dta ) รุ่นที่ผ่านมาสามทศวรรษที่ผ่านมาการกำหนดที่เหมาะสม ยังขาดไปเนื่องจากความซับซ้อนของพวกเขาเมื่อเทียบกับแบบคงที่สำหรับรายละเอียดเพิ่มเติมเกี่ยวกับความก้าวหน้าในการวิจัยที่ผ่านมาใน dta หมายถึง peeta และ ziliaskopoulos ( 2001 ) , Viti Tampere ( 2010 ) และ และฮ่องกงและ วอง ( 2012 )ozdamar et al ( 2004 ) จำลองแบบไดนามิกนี้เวลาในภาวะฉุกเฉินจากปัญหาการขนส่งโลจิสติกส์มุมมอง ในขณะที่แบบจำลองของพวกเขาแสดงให้เห็นถึงความสามารถที่จะให้ปรับปรุงประสิทธิภาพมากขึ้นเสบียงสำหรับการกระจายของทรัพยากรเป็นข้อมูลเพิ่มเติมจะพร้อมใช้งาน ไม่พิจารณาผลกระทบของทางเลือกของผู้ใช้ในสภาพแวดล้อมแบบในการปฏิบัติงานโดยรวมของเครือข่ายทางหลวง . Liu et al ( 2007 ) แบบกรอบการควบคุมสำหรับระบบการจัดการจราจร หลิวนางแบบหุ้นมุมมองของเราแบบเรียลไทม์ แต่ถือว่าความต้องการแบบไดนามิก OD จะได้รับค่อนข้างน้อย และให้พิจารณาถึงผลกระทบของการเลือกหลายในการวิเคราะห์ของพวกเขา lammel et al ( 2009 ) จำลองขนาดใหญ่ในเวลาอพยพพายุเฮอริเคนที่มีขอบเขต แม้ว่าพวกเขาจะต้องบัญชีสำหรับคนเดินเท้าในรูปแบบการอพยพ มุมมองของพวกเขาไม่ได้พิจารณาผลกระทบที่อาจเกิดขึ้นจากการเข้าถึงการขนส่งต่อเนื่องหลายรูปแบบในขบวนการอพยพคนอย่างมีประสิทธิภาพการศึกษาวิจัยเกี่ยวกับพฤติกรรมของผู้ใช้เครือข่ายและเลือกเส้นทางการขนส่งในช่วงภัยพิบัติได้เห็นมากความก้าวหน้าในช่วงหลายปีมานี้ ในประเทศปลายทาง ( OD ) การเที่ยว ( Murray และ tuite mahmassani 2003 ; Fu และมอท2547 และ 2553 ) , ผู้ okonkwo การวิเคราะห์พฤติกรรม ( helbing et al . 2000 ; เฟรเซอร์ มิทเชล 2001 ) และการวางแผนเส้นทาง ( คัง et al 2004 ) เป็นหนึ่งในผลงานเด่นในพื้นที่เหล่านี้ของการวิจัย พวกเขาจะไม่ค่อยกังวลกับต้นทุนการขนส่ง ซึ่งส่งผลกระทบต่อประสิทธิภาพโดยรวมของเส้นทางได้อย่างมีประสิทธิภาพรองรับโหลดฉับพลันแนะนำเครือข่ายระหว่างการอพยพความรู้เกี่ยวกับพลวัตการเปลี่ยนแปลงภายในเครือข่ายในเวลาจริงเป็นประโยชน์ต่อผู้ผลิตตัดสินใจในการจัดสรรทรัพยากรหรือแนะนำเส้นทางท่องเที่ยวดีกว่า อย่างไรก็ตาม เนื่องจากลักษณะที่แตกต่างกันของชนิดของภัยพิบัติ , เฉพาะรูปแบบการวางแผนได้ถูกพัฒนาขึ้นสำหรับสถานการณ์ที่อพยพต่าง ๆ รวมทั้งโรงไฟฟ้านิวเคลียร์วิกฤต , พายุเฮอริเคน , น้ำท่วม , ไฟ , ฯลฯ เซาท์เวิร์ท ( 1991 ) , และ urbina wolshon ( 2003 ) และ alsnih สตอเฟอร์ ( 2004 ) และเสนอรายละเอียดการอภิปรายเกี่ยวกับแบบจำลองการวางแผนการอพยพ ข้าว et al ( 2011 ) แบบเวลาอพยพเพื่อตรวจสอบจุดสำลักเส้นทางที่สั้นที่สุดไปยังศูนย์ปลอดภัยจากพื้นที่ไฟป่างานงานที่เกี่ยวข้องกับการใช้ระบบสารสนเทศภูมิศาสตร์เพื่อพัฒนาสถานที่ใกล้นักวิเคราะห์เครือข่าย ( CF ) แก้พิจารณาการเดินทางระยะทางและเวลาค้นหาสถานที่ใกล้ เพื่อให้เหตุการณ์อย่างไรก็ตาม การศึกษา วิเคราะห์ ปรากฏมีคุณลักษณะในชนบทที่มีการจราจรค่อนข้างปานกลาง และเชิงพื้นที่ จำกัด ผ่านการเชื่อมต่อ