探索使用私有的潜力,无人驾驶自动车辆疏散援助

文摘

私人自治的潜在使用车辆(AVs)撤离的家庭受到飓风的威胁是未开发。基于518年原始调查的反应来自南卡罗来纳(SC)居民,有序的物流模型被开发来确定个人的意愿暂时分享他们的AVs疏散,没有他们的存在。模型结果表明,受访者(a)失业,(b)提供救灾援助的经验,(c)带着常规的宗教旅行和更舒适的AVs (d)发送包裹和(e)被购买和共享的收入在未来五年更愿意分享疏散。受访者(a) 65岁以上,(b)下面有收入每年,(c)不到两个社交媒体账户不太愿意分享。该模型应用到一个全国性的人口来模拟一个灾难场景合成SC在不同AV市场渗透( )场景来确定潜在使用AVs疏散援助。蒙特卡罗模拟结果表明,家庭的比例可以增加线性撤离 ,通过对于每一个增加直到几乎是 。当是或更高版本,共享AVs足以撤离所有家庭需要。因此,在SC,如果民营AVs是广泛使用,他们可以作为一个可行的替代或用于补充传统疏散程序依赖于公共汽车。

1。介绍

近年来,美国东南部经历了强烈的飓风,飓风从华金创造历史洪水水位在哥伦比亚,南卡罗来纳在2015年(1]厄玛飓风造成大规模疏散和数以百计的人死亡(2]和佛罗伦萨飓风造成了创纪录的洪水在卡罗来纳3]。预计这些风暴的强度和频率增加(4]。东南沿海的人口增长速度比其他地区在美国(5),表明潜在的更大的毁灭从未来的风暴。结合千禧一代少想获得驾照和自己的车辆,这些因素都指向未来更需要政府疏散(6]。本研究探讨了未来政府疏散交通系统,依赖于私有,无人驾驶自动车辆。

卡特里娜飓风(2005)强调不足脆弱人群的疏散计划,包括没有汽车的(7]。从那时起,脆弱的人口疏散的话题,特别是没有汽车的,老年人,和特殊需要的人口,发展兴趣8,9]。撤离计划已进化到解决这些人口。

目前,政府没有汽车的疏散和弱势群体通常依赖于公共汽车,它有很高的能力,以满足潜在需求寻求帮助。全国各地,交通和应急管理机构估计平均6 - 10%的人口被列为特殊需要和可以使用某种形式的援助当下令撤离飓风(10]。那些可能需要援助,因为缺少一个随时可用的车辆代表约的美国家庭,这个数字将增长在不久的将来(11,12]。南卡罗来纳(SC)估计的人口,或在疏散区居民,需要加强援助撤离,5级风暴。目前,国家的计划主要包括运输这些灾民校车到当地避难所13]。

交通并不是唯一选择家庭缺乏一个可靠的个人交通工具。拼车和同事是一个选择。在丽丽飓风疏散人员的一项研究中,Lindell et al。14)发现,获得从家人或朋友。基于使用调查从纽约的一项研究中,美国最大的城市交通通勤研究人员发现,在拼车near-even分裂(和 )和交通疏散(和 )(15]。

其他形式的共享车辆疏散援助最近被认为是。在过去的五年里,乳房和Lyft帮助人们撤离提供骑凭证(16]。2020年,佛罗里达的应急管理机构提到使用超级和Lyft交通疏散人员而不是大众运输工具以减少COVID-19[的传播17]。

摘要未来系统设想超越目前部署技术和基于私人自治车辆(AVs)。一位政府官员的一个正式宣布从公众请求援助,一些AV业主的状态(或其他地理区域)会主动和暂时允许他们的车辆用于协助preimpact疏散在指定的疏散区,无论他们会分享他们的正常情况下的住客。因此,我们使用术语“共享”(关注一个临时安排没有所有者)略有不同的主流解释汽车共享。本研究的目的是探索使用私有的系统的可行性AVs作为一个可行的替代或补充传统的疏散程序依赖于公共汽车从公众的意愿分享观点(对未来这种潜在的AV所有权)和SC一处避难需求覆盖角度飓风。为此,本文提出了一种顺序logit模型由原来对SC居民(1)确定调查公众的意愿,让国家和/或联邦机构使用AVs协助他人疏散和(2)确定因素影响他们的意愿。模型应用于合成SC人口和使用仿真来确定关键运输需要(卡通)的人口比例可以撤离,同时将预测水平的公众愿意分享他们的住客和不同AV市场渗透水平。

本文的其余部分被分为六个部分。部分2审查选定的研究帮助没有汽车的疏散人员和未来AV采用预测。部分3概述了调查数据用于开发顺序分对数模型。部分4描述了顺序分对数建模过程,合成家庭代和仿真建模的背景。部分5是实验设计部分,描述的因素在模拟过程中进行测试。部分6讨论了建模过程和实验结果,包括分享意愿影响因素和卡通,可以疏散人口的百分比在不同AV市场渗透水平。部分7给出了结论和未来的发展方向。

2。文献综述

许多研究调查的使用公共交通车辆、校车质量协助疏散。例如,第一(18)开发了一个优化模型区域疏散规划车辆路径问题的一种变体。他认为,疏散人员到达预定的皮卡位置恒定速率。哲人et al。19)实现了一个仿真模型,考虑给定的公交车的调度,随机到达疏散人员,排队的影响,和交通疏散人员的避难所。Naghawi和Wolshon20.建模和模拟transit-based卡通的疏散人口疏散策略。

然而,瑞恩et al。7)表示,大多数城市没有足够数量的公交车疏散整个卡通人口。此外,公交车不能提供上门服务,这是一个重要的考虑因素为那些不能骑的小点。由于这些原因,近期的工作质量疏散的卡通人口认为随意的使用。黄等。16)认为,公共机构可以利用共享资源来协助疏散。他们的研究,使用最近的调查结果从厄玛飓风灾民一个假想的未来灾难,报告说疏散人员愿意提供一程到另一个疏散过程和之前撤离愿意提供一个骑在疏散过程中。李等人。21]研究了利用共享有限的车辆无预警疏散场景下的紧急疏散时间的视野。他们进行数值模拟来量化改进总距离的人数和疏散。Naoum-Sawaya和Yu (22)解决问题的个人车辆指示去接其他人沿着他们的路线疏散个体的最大数量在一个有限的时间。提出了一种混合整数规划模型来建模问题。陆et al。23)提出了一个两阶段模型,通过整合优化的旅行计划和操作的拥有权流程通知疏散情况。他们的模型共同优化driver-rider匹配和转移之间的连接共享的汽车旅行。这些研究假设的积极参与汽车的司机/所有者是谁在同一地区的人需要帮助。

许多研究人员认为AVs是未来交通革命。邦萨尔和Kockelman预计从任何地方来采用四级AVs, AV能够驱动没有人类的最低水平,到2045年(24]。另一项研究预计,AVs将占整个车辆的20% - -40%到2040年代(25]。另一个研究预计在15 -采用AVs,到2050年,根据年度降价(26]。最突出的AVs的采用较慢的原因被认为是高成本(27]。采用与降低成本增加是彻底讨论(24]。AV采用从技术的信任和道德的角度讨论了在28]。根据这项研究,人机交互/集成需求重大投资能够实现自主车辆的完全信任。事件在AVs或其他co-pilot-using系统表明,传感器故障可能导致灾难性事件。然而,还有其他因素需要考虑,比如增加风险事件的情况下,复杂的非均匀环境中不断变化的用户行为,网络漏洞,和更高的道路建设成本27,29日]。

AV所有权被一些研究人员调查。AVs预计将是昂贵的,在最乐观的情况下,只有35%的受访者愿意使用共享AVs,而另一些人则更喜欢个人所有权(30.,31日]。这在一定程度上是可以理解的,考虑到方便的可访问性,能够离开项目。然而,共享汽车预计将保持更好,更高的安全性和减少责任(27]。无论如何,罗宾奈特et al。31日]表明,AV技术将减少1.1车辆所有权但会导致车辆里程增加13%(车辆行驶里程)空闲的车辆。这也导致交通能源使用的增加,导致更高的排放。在[32AV],作者讨论了可能的后果的介绍与驾驶行为和所有权的变化。与个人AVs,作者认为长以及空置的旅行可能是首选的主人。作者还认为共享住客可以降低整体成本的车辆。再分配的车辆也会每天增加旅行的数量。许多研究预计,AVs将共享实现时,类似于超级和Lyft今天25,33,34]。这些共享住客可以提供一个运输选项,明显比出租车便宜服务和方便市民在城市地区(35]。然而,迄今为止,很少有研究调查了无人驾驶的潜在使用AVs公众共享的大规模疏散和/或协助shared-AVs融入疏散辅助系统的潜力。

AVs预计将在未来20 - 30年广泛采用指示疏散需要检查他们的潜在用途。尽管最近的技术进步指向收养在不久的将来,相对较少的研究了关于他们的潜能在疏散的情况下使用。然而,对于连接车辆(CVs),阴等人设计了一个应用程序,该应用程序帮助弱势家庭疏散提供传感器时间和地点选择,优化路线指导,减少交通堵塞,和定位食品和燃料路线(36]。我们的研究探讨了使用临时共享AVs协助SC卡通家庭从飓风疏散。共享AVs的集成服务差距可以帮助(例如,上门服务),公共交通车辆不提供。不限制只捡几个选择撤离的接送点,共享住客可以为脆弱人群提供更个性化的皮卡,挑战那些接送点。

本研究解决现存知识的差距。首先,它建立在有限的作品处理的潜在使用AVs疏散通过考虑自动驾驶AVs而不是车辆由driver-owners共享。这需要考试的愿意分享个人拥有的车辆没有身体。第二,无人驾驶的潜在AV援助计划来取代总线系统检查,解决问题与资源不足和“最后一英里”问题以及建立偏爱使用个人车辆疏散而不是transit-based选项(见例如[37])。

3所示。调查数据概述

衡量公众愿意分享他们的未来,无人驾驶AVs帮助疏散区域飓风尚未登陆,该研究小组开发了一种调查;调查问题的指引下,形成三个焦点小组会议。这个调查是使用Qualtrics面板和实现分布式SC整个州的居民。总共收到响应,平均分担两个场景:疏散(本手稿中使用)和救灾。受访者的年龄和性别分裂代表SC人口,据美国社区调查(ACS) (38]。然而,样本有一个故意稍高的个人收入高于中间值和更多的个人教育高中学历以上。这轻微的过采样进行充分捕捉人口类别更能够承受未来AVs (25,34,39]。数据清理后,最终的数据集用于命令logit模型有518响应。

调查受访者放在一个场景,他们认为暂时分享个人拥有,无人驾驶AV用于疏散,当地的区域不受影响。Likert-type问题(非常愿意的意愿有多强 ),愿意( ),有些愿意( ),不管是愿意还是不愿意( ),有些不愿意( ),不愿意( ),和非常不情愿 ))受访者分享在这种背景下被用作顺序logit模型的因变量。非常愿意/愿意并且极其不愿意/不愿意类别被压缩数据结合五命令类别。然而,这并不影响任何命令类别没有参与类别组合(40]。确定与更愿意分享相关的因素,调查还询问受访者对现有的旅游习惯,目前的汽车技术,通用技术采用经验分享经济捐赠和志愿服务经验,经验自然灾害、安慰与自主车辆,和人口特征。表1提供摘要统计信息的选择变量和变量之间的变量命令logit模型和愿意分享个人车辆疏散援助。

4所示。方法

方法由两个主要组件:评估的可用性AVs运输SC沿海撤离疏散区和确定这些AVs满足预期的程度被疏散者的需求。

4.1。估计AV可用性

估计AV可用性涉及两个步骤。首先,有序logit模型开发的调查数据。其次,该模型应用于合成生成基于人口普查数据。这个模型的因变量是一个五点Likert-type问题询问受访者对他们愿意分享个人拥有的AV帮助别人从飓风疏散。命令logit模型包含多个解释变量在下列方程可以写成: 在哪里 是解释变量,= , 分对数的拦截吗 ,和 每一个解释变量的回归系数(41]。下令logit模型的比例概率假设测试使用并行行测试,它确保所有类别(斜率系数是相同的42,43]。该模型使用手动创建了逐步过程(44)基于变量的输入顺序 - - - - - -值因下令logit模型使用每个变量单独开发(见表1)。改进模型是由麦克费登的增加以及伪r平方值置信水平的参数估计明显不同于零。重复此过程,直到达到个体变量显著性水平为0.25,推荐为大样本大小(45]。

命令logit模型(见表2)被应用于合成SC获得人口空间分布可用的AVs数量疏散援助。人口合成工艺扩大种子人口样本匹配所需的边际分布特性的控制。在这项研究中,种子人口从2018年获得公共使用微数据样本(泵)46)和区域控制的人数将在每个县下使用ACS 2018。泵数据包含在公共使用微数据区域(PUMA)的地理单元包含不少于100000人。所需的空间分辨率为本研究县下区域,小于彪马。PopulationSim包在Python环境中弥合两者之间的差距地理水平和生产合成人口在县下一级(47]。结果合成的人口家庭的确切数字是5年从2014 - 2018年ACS数据估计的家庭。人口统计学变量年龄、收入和就业状况,统计上显著的命令logit模型,也为每个家庭人口合成过程中生成的。这些变量被记录为模型应用程序二进制变量指标。其他nondemographic变量需要使用生成的模型观察到分布的调查(见表1)。基于方程(1),每个结果的概率计算使用以下方程(40]:

4.2。估计满足疏散援助需求的能力

确定关键运输需要多少家庭(同时)可以撤离疏散区公共使用AVs共享,开发了蒙特卡罗模拟模型。所需的仿真模型输入数据:比例的SC公民愿意分享他们的AVs协助疏散(命令logit模型的输出使用合成SC人口),AV市场渗透的比例(见表3在疏散区),总人口(48),总人口nonevacuation区(49),卡通的人口比例,需要疏散50),分布的时间能否获得一个AV(从本研究调查数据),平均速度的AVs在疏散(51),住所位置(50),平均每个家庭的人数(52),SC县下一级的GIS地图(53),和疏散区域GIS地图48]。

模型的主要输出是覆盖比率(CDR)的需求,这是获得的数量除以救急撤离疏散区使用AVs救急的总数。图1介绍了逻辑实现蒙特卡罗模拟模型,实现了以下假设:(1)AVs是只能在nonevacuation地区。(2)一个家庭只有一个AV。(3)一个AV撤离一个救急在一个旅行。(4)所有可用AVs在县下开始和结束他们的旅行县下的重心。(5)所有疏散人员的疏散区被捡起的重心,疏散区。

如图1在步骤1中,上述模型读取输入数据。在输入数据的同时,需要撤离疏散区(灰色,如图所示2),住所位于nonevacuation区(白色,如图所示2)。在这项研究中,定义的疏散区被认为是那些南卡罗来纳州应急管理部门根据他们的脆弱性飓风。总之,有20疏散地区的区域。而不是使用的具体家庭地址救急的传感器位置,不失一般性,本研究区域的质心作为传感器的位置。每个AV的开始和结束位置也被假定为重心的nonevacuation区。nonevacuation区域空间尺度选择是人口普查县部门层面,称为“县下”以后。这是选择符合使用的空间规模logit模型。县下由包含城市、市镇和城镇。地理上,县下比人口普查块但小于一个县。总的来说,有265区nonevacuation地区。 The shelter locations were actual locations, not centroids of nonevacuation zones. In Step 2, the model calculated the number of AVs available in the nonevacuation region and the number of CTNH in the evacuation region requiring assistance. The number of AVs available in each subcounty was calculated using equation (3)。这个数字的总和为所有nonevacuation地区县下了AVs的总数在SC疏散。救急的数量在每个计算疏散区使用方程(4)。这个数字的总和为所有疏散区给救急的总数: 在哪里=数量的住客可以在县下,= AV市场渗透的百分比,=比例的家庭愿意分享他们的紧急疏散住客,和=在县下的家庭数量: 在哪里在疏散区=数量的同时,=在疏散区,总人口=平均每户人的疏散区,和=卡通的百分比。

在步骤3中,时间(即。,duration) for which each AV was available was obtained from a discrete distribution; this distribution was generated from survey response data (see Figure3)。在步骤4中,考虑到AV可用时间,最大距离(英里)的一个AV可用计算使用以下方程:

在步骤5中,一个AV是随机选择从池中可用的住客。可用距离为选定的AV是最大距离计算使用方程(5)。如果可用的距离足以疏散最近的救急,那么模型模拟AV会最近的救急,同时避免了在最近的避难所。AV在避难所的位置时,模型确定如果AV的剩余足够的疏散距离是另一个最近的救急。如果不是这样,它在其原始位置返回给它的主人。如果保持足够的时间/距离,AV被分配到下一个最近的同时下降,同时在最近的避难所。所选AV是重复这个过程直到时间/距离可用性筋疲力尽。模型然后选择另一个AV,重复这个过程,直到所有救急被疏散或不再AVs。在步骤6中,CDR计算使用以下方程:

5。模拟的场景

来确定比例的同时可以(即撤离。,CDR)at the predicted public’s willingness to share their AVs to assist with the evacuation, the developed Monte Carlo simulation was used. The model was run for four AV market penetration scenarios obtained from Bansal and Kockelman [24]。未来几年的AV市场渗透在每个场景显示结果在表中3。场景3代表最保守的估计的AV市场渗透而场景8最乐观的表示。这些场景是基于预计每年增加支付意愿(WTP),年度技术价格下降,以及政府法规的变化。场景1与WTP不变,该技术价格下降,没有规定。场景3与但是没有零WTP,技术价格下降,没有规定;在这种情况下,第十百分位WTP(在非零WTP个人)使用个人household-demographic队列。场景6和WTP每年增加,技术价格下降和规定。场景8与WTP每年增加,技术价格下降和法规(24]。

实验假设5级飓风。因此,卡通的比例使用基于研究结果来自南卡罗莱纳州的卡通疏散行动计划(13]。SC的人口被认为是510万年,家庭被认为是230万年占领的数量根据最新的人口普查数据(54]。AV是可用的时间是随机从发达离散分布如图3。这是假设白天的疏散人员疏散夜里疏散(55]。AV的平均速度在撤离被认为是 在白天, 夜里基于SC公路上存档的速度在过去的6个飓风(50]。

6。结果与讨论

6.1。命令Logit模型结果

最后下令logit模型包含518年观察和调整后的麦克费登伪r平方为0.067,在0.012到0.138范围内发现在以往的研究56]。在这个模型中,负系数表示愿意分享较低(40]。表中所示的模型2有八个统计上显著的变量与65岁以上,收入在吗每年,0或1社交媒体账户被消极与分享的意愿,这意味着个人与这些特征不太可能分享他们的AVs协助疏散。失业,定期的宗教旅行,在五年内在AV交付高舒适,高舒适分享收入的AV 5年,和有经验给了救灾与分享的意愿呈正相关。

该模型在表2被应用于合成人口。选择一个5的概率,表示最大的愿意分享一个顺位投票制,被记录为每个家庭在SC,这个概率是基于每个县下聚合。的总体概率选择5县下的意思和标准偏差的 。

6.2。仿真模拟结果

仿真实验的结果,平均15分,如表所示3。在2025年的预计AV渗透水平,(场景3)(场景8)的同时可以疏散。到2040年,可以在最悲观的情况下撤离,在最乐观的情况下。应该注意的是,这些预测是在2017年(24]。目前,2020年,很明显,四级AVs的部署仍是多年远离成为现实。

图4显示需求覆盖比率之间的关系( )和AV市场渗透( )。这些结果表明,CDR线性对AV市场渗透,增加有关 ,超过这个类似于凹函数的关系。场景1、3和8,大约是0.9AV市场渗透。这意味着的CNTH可以疏散如果AV市场渗透 。场景6,市场渗透,大约CNTH的可能撤离。在AV市场渗透,共享AVs的数量足以撤离所有必需的救急。这些结果符合帕累托原则(57]:同时可以撤离AV市场渗透。

图5提供了四个替代模型,可以用来确定什么需要市场渗透水平能够覆盖一定疏散需求:多项式,物流,指数和双曲正切。基于均方误差(RMSE),物流和多项式回归模型做得都很好,优于指数和双曲正切。逻辑回归模型有一个更复杂的形式与多项式模型相比,但是它的优势是,它可以用于任何 。多项式回归模型时才能使用 。逻辑回归模型可以用来获得重要的洞察力。具体来说,对于每个额外的AV增加市场渗透,CDR的增加。CDR线性增加对AV市场渗透到 。除了 ,AV市场渗透的影响减少了覆盖需求比例:

一个阶多项式模型给出了方程(7),能够表达中的CDRRMSE。

双曲正切(双曲正切)模型方程(8)可以估计CDRRMSE。

逻辑回归模型方程(9)可以估计CDRRMSE。

方程的指数模型(10)可以估计CDRRMSE。

7所示。结论

这手稿主动探索,暂时共享,民营,无人驾驶自动车辆帮助飓风疏散。使用原始调查数据来自南卡罗来纳州居民,有序开发logit模型来确定愿意分享私人自治车辆和影响因素这愿意分享。模型的显著变量表明受访者65岁以上,受访者与收入每年,受访者0或1社交媒体账户不太可能分享他们的AVs协助疏散。相反,失业,常规的宗教旅行,在五年内在AV交付高舒适,高舒适分享收入的AV五年,和有经验给了救灾与分享的意愿呈正相关。

当命令logit模型应用于合成SC人口,大约的家庭都愿意分享他们的AVs协助飓风疏散。在此基础上估计,蒙特卡罗模拟模型用于确定AV共享系统的能力满足同时需要疏散。当AV市场渗透或更高版本,该模型表明,共享AVs的数量足以疏散所有家庭需要,考虑到未来潜在的AV所有权检查在这项研究。

这项研究表明,这样一个未来疏散援助系统有潜力获得成功,虽然很多细节必须考虑将来和初始试验必须结合当前运行的方法运输弱势群体。重要的是要注意潜在的限制使用本文的结果。首先,AVs尚未广泛拥有,迫使调查是说更偏爱小说主题;因此,有可能低于市场自愿分享个人拥有,无人驾驶AVs以及可能的并发症在完全理解调查的主题。第二,多个可能的AV期货所有权存在,其中一些包括从个人拥有车辆转向订阅服务,这将影响疏散援助AVs的可用性。管理纸的长度,本研究只解决一个潜在的未来,但未来的努力将探索订阅服务与公众服务延迟的容忍。第三,当前的人口和人口被使用,这可能或可能不符合这些相应的未来AV市场渗透率。第四,如何要求疏散旅行援助的细节并不是本研究的一部分;这将更严格地确定下一步的识别问题的需求方面和可用的供应需求的匹配。第五,疏散速度被认为是白天20英里/小时,在夜里40英里/小时。 Sixth, it was assumed that one AV can evacuate an entire household. Seventh, for simplicity, the centroid of the evacuation zone was assumed to be the CTNH pickup location, and the centroid of the nonevacuation zone was assumed to be the starting and ending locations of AVs.

除了以上提到的,一些研究领域在未来可以追求。首先,调查可以应用到其他州或飓风频发县,以确定这种类型的系统的可行性在其他自然灾害多发区。同时,未来这种类型的调查可以深入研究补偿等潜在限制分享的欲望以及舒适程度的潜在需要疏散的援助。未来的研究还可以检查不同的潜在AV所有权场景和系统合并到更大的疏散模拟。

数据可用性

调查数据用于支持本研究的发现可以从相应的作者。仿真中使用的数据可从相应的作者和C2M2。

信息披露

作者仅负责的内容。

的利益冲突

作者宣称没有利益冲突有关的出版。

确认

作者感谢C2M2的支持。本研究是基于一个项目由美国交通部(USDOT)中心连接多通道流动(C2M2)(一级大学交通中心)总部克莱姆森大学克莱姆森,南卡罗莱纳,美国授予69 a3551747117。

引用

1. j·墨菲,2015年10月1 - 5,南卡罗来纳州的历史洪水,美国商务部国家Oceacnic和大气管理局国家气象服务,银泉,医学博士,美国,2015年。
2. a . Issa k . Ramadugu p .他et al .,“死亡与飓风Irma-Florida,乔治亚州和北卡罗莱纳,10月4日9月10日,2017年,“MMWR。发病率和死亡率每周报告,卷67,不。30日,第832 - 829页,2018年。视图:出版商的网站|谷歌学术搜索
3. 美国斯图尔特和r . Berg”,国家飓风中心热带气旋报告:佛罗伦萨飓风(al062018)”国家飓风中心,30卷,p。98年,2019年。视图:谷歌学术搜索
4. a . j .西兰花和s . Manabe”现有的气候模型可以用来研究人为热带气旋气候的变化?”《地球物理研究快报,17卷,不。11日,第1920 - 1917页,1990年。视图:出版商的网站|谷歌学术搜索
5. k . m . Crosset人口趋势在美国沿海:1980 - 2008美国政府印刷局,华盛顿特区,2005年。
6. t . Dutzik和p .《一个新的方向:我们的改变与驾驶和对美国的未来的影响,美国PIRG Frontier Group的教育基金,波士顿,MA,美国,2013年。
7. j·l·雷恩,t·w·桑切斯,r·c·彼得森国家没有汽车的研究和特殊需要的疏散规划:案例研究新奥尔良大学新奥尔良,洛杉矶,美国,2008年。
8. j·l·雷恩,t·w·桑切斯和t . Litman“没有汽车的特殊需要的疏散计划,”规划文学杂志,26卷,不。4、420 - 431年,2011页。视图:出版商的网站|谷歌学术搜索
9. j·l·雷恩,“紧急疏散计划没有汽车的政策和弱势群体在美国和英国,”减少灾害风险的国际期刊31卷,第1261 - 1254页,2018年。视图:出版商的网站|谷歌学术搜索
10. p . Murray-Tuite和b . Wolshon疏散交通建模:概述的研究,开发,和实践,“交通研究部分C:新兴技术卷。27日,25-45,2013页。视图:出版商的网站|谷歌学术搜索
11. 美国人口普查局,“2014 - 2018年美国社区调查5年估计,“技术。代表,美国人口普查局,医学博士,美国,2019年,技术报告。视图:谷歌学术搜索
12. t . Dutzik Inglis j . p .《,千禧一代运动:美国年轻人改变旅行的习惯和对公共政策的影响,美国PIRG Frontier Group的教育基金,波士顿,MA,美国,2014年。
13. 南卡罗来纳应急管理部门,“南卡罗来纳关键运输需要疏散行动计划,“技术。代表,2019年,http://www.scemd.org/media/1331/annex-b-critical-transportation-need-evacuation-operations-plan.pdf技术报告。视图:谷歌学术搜索
14. m . k . Lindell j·e·康和c . s .多嘴的人,“家庭飓风疏散的物流”自然灾害,卷。58岁的没有。3、1093 - 1109年,2011页。视图:出版商的网站|谷歌学术搜索
15. r .扁,c·g·威尔莫特,r . Gudishala和e·j·贝克,“家庭层面飓风疏散建模方式和目的地类型共同选择使用数据从多个风暴后行为调查,“交通研究部分C:新兴技术卷,99年,第143 - 130页,2019年。视图:出版商的网站|谷歌学术搜索
16. s . d . Wong, j·l·沃克和s . a . Shaheen”之间的鸿沟方面疏散和分享经济”运输卷,48 1-50,2020页。视图:出版商的网站|谷歌学术搜索
17. k·米勒,“冠状病毒可以改变佛罗里达的飓风计划:酒店、lyft,乳房都在玩,”2020年,https://www.usatoday.com/story/travel/news/2020/05/02/coronavirus-florida-considers-using-hotels-lyft-during-hurricanes/3074108001/。视图:谷歌学术搜索
18. d . r .第一“为总线疏散计划,”光谱,33卷,不。3、629 - 654年,2011页。视图:出版商的网站|谷歌学术搜索
19. r .专家j·e·康r .出差费和y涌,“飓风疏散计划使用公共交通工具,社会经济规划科学卷,59 43-55,2017页。视图:出版商的网站|谷歌学术搜索
20. h . Naghawi和b . Wolshon Transit-based紧急疏散仿真建模、”交通安全与安全》杂志上,卷2,不。2、184 - 201年,2010页。视图:出版商的网站|谷歌学术搜索
21. j . m . Li徐、刘x c .太阳和z .段,“使用shared-mobility服务完成紧急疏散在城市地区通过减少中间trips-case研究西安,中国,“可持续性,10卷,不。12,4862页,2018年。视图:出版商的网站|谷歌学术搜索
22. j . Naoum-Sawaya j.y. Yu,“随意紧急疏散。”有限公司:信息系统和运筹学,55卷,不。4、339 - 358年,2017页。视图:出版商的网站|谷歌学术搜索
23. f·w·卢l . Liu, x,和g .胡”两阶段优化模型的拥有权在短时间内疏散转移,”交通研究部分C:新兴技术卷,114年,第296 - 272页,2020年。视图:出版商的网站|谷歌学术搜索
24. p .邦萨尔和k . m . Kockelman”预测美国的长期采用连接和自主车辆技术交通研究部分:政策和实践卷。95年,49 - 63年,2017页。视图:出版商的网站|谷歌学术搜索
25. t . Litman自主车辆实现预测加拿大维多利亚,维多利亚交通政策研究所,2017。
26. a . Talebian和美国Mishra预测采用连接自动车辆:一个新的方法基于创新扩散理论,“交通研究部分C:新兴技术卷,95年,第380 - 363页,2018年。视图:出版商的网站|谷歌学术搜索
27. t . Litman“自主车辆实现预测:对运输计划,”2020年,https://www.vtpi.org/avip.pdf。视图:谷歌学术搜索
28. a·r·瓦格纳,j·伯伦斯坦和a·霍华德,“Overtrust在机械时代。”ACM的通信,卷61,不。9日,22 - 24,2018页。视图:出版商的网站|谷歌学术搜索
29. a·费萨尔·m·Kamruzzaman t . Yigitcanlar g·柯里,“理解自动车辆,”交通和土地利用杂志》上,12卷,不。1,45 - 72年,2019页。视图:出版商的网站|谷歌学术搜索
30. p .邦萨尔、k . m . Kockelman和a·辛格“评估公众的意见和新的汽车技术的兴趣:奥斯汀的角度来看,“交通研究部分C:新兴技术卷,67年,页1 - 14,2016。视图:出版商的网站|谷歌学术搜索
31. p .罗宾奈特,a·r·瓦格纳和a . m .霍华德,“调查人机信任在应急情况下:方法论的教训,”强大的情报和信任在自治系统施普林格,页143 - 166年,柏林,德国,2016年。视图:出版商的网站|谷歌学术搜索
32. w .稀粥和j·m·斯坦福”评估自主车辆的长期影响:投机的方法,”交通研究procedia卷。13日,29,2016页。视图:出版商的网站|谷歌学术搜索
33. d . j . Fagnant和k . Kockelman准备自驾车辆:一个国家的机会,壁垒和政策建议,”交通研究部分:政策和实践卷,77年,第181 - 167页,2015年。视图:出版商的网站|谷歌学术搜索
34. j .朴m .麦当劳n . Hounsell m . Graindorge t . Graindorge和n . Malhene“公众意见对实现的自动车辆在城市地区,”交通研究procedia,14卷,第2177 - 2168页,2016年。视图:出版商的网站|谷歌学术搜索
35. k . m . Gurumurthy k . m . Kockelman b·j·勒布,“实时共享车辆和共享骑:无人驾驶飞机的机会,”共享经济和交通的相关性,4卷,页59 - 85爱思唯尔,阿姆斯特丹,荷兰,2019年。视图:出版商的网站|谷歌学术搜索
36. w .阴,g . Cordahi, d .登,b . Wolshon”风险减少连接车辆技术对区域飓风疏散的影响:一项模拟研究,“减少灾害风险的国际期刊31卷,第1253 - 1245页,2018年。视图:出版商的网站|谷歌学术搜索
37. H.-C。吴、m . k . Lindell和c . s .多嘴的人,“物流飓风卡特里娜和丽塔飓风疏散的”交通运输研究F部分:心理学和行为,15卷,不。4、445 - 461年,2012页。视图:出版商的网站|谷歌学术搜索
38. 美国人口普查局,1年期美国社区调查估计,https://data.census.gov/cedsci/。
39. c . j . Haboucha r . Ishaq, y Shiftan,“用户首选项关于自驾车辆,”交通研究部分C:新兴技术卷。78年,37-49,2017页。视图:出版商的网站|谷歌学术搜索
40. m . NorusisSPSS 14.0统计程序的同伴新泽西州霍博肯市新世纪,Inc .),美国,2005年。
41. h·陈,问:陈,陈l . g .张“风险影响因素分析与司机司机受伤,事故受伤受酒精影响的状态下(酒后驾车)和non-dui,”交通伤害的预防,17卷,不。8,796 - 802年,2016页。视图:出版商的网站|谷歌学术搜索
42. r·威廉姆斯,“广义有序分对数/部分比例优势模型依次因变量,”占据杂志:促进通信统计和占据》第六卷,没有。1,58 - 82、2006页。视图:出版商的网站|谷歌学术搜索
43. 统计咨询集团,有序逻辑回归SPSS注释输出,2020年,https://stats.idre.ucla.edu/spss/output/ordered-logistic-regression/。
44. g·海因策,c . Wallisch和d·邓克尔”变量选择练习统计学家评论和建议,“生物统计学杂志》,60卷,不。3、431 - 449年,2018页。视图:出版商的网站|谷歌学术搜索
45. r . b . Bendel和a·a·阿菲菲“向前比较停止规则”逐步“回归”,美国统计协会杂志》上,卷72,不。357年,46-53,1977页。视图:出版商的网站|谷歌学术搜索
46. 美国人口普查局,泵的数据,2020年,https://www.census.gov/programs-surveys/acs/data/pums.html。
47. b . m . Paul j .柯南道尔,稳定,j .弗里德曼和a . Bettinardi”多层次综合使用熵maximization-based同时列出平衡,”美国交通运输研究委员会第97届会议美国,华盛顿特区,2018年。视图:谷歌学术搜索
48. SCDOT SC飓风疏散区,2018年,https://uscgeography.maps.arcgis.com/home/item.html?id=e59a4ef74f3a43d08b0c635b4136c8de。
49. 美国人口普查局的人口普查数据,2020年,https://data.census.gov/cedsci/。
50. 南卡罗来纳州运输部Scdot数据,2020年,http://dbw.scdot.org/Poll5WebAppPublic/wfrm/wfrmHomePage.aspx。
51. 南卡罗来纳州运输部Scdot Gis数据,2020年,http://info2.scdot.org/GISMapping/Pages/GIS.aspx。
52. 美国人口普查局的人口普查数据,2020年,https://data.census.gov/cedsci/advanced?g=0100000US.330000_0400000US45.060000&t=Housing \ % 3人口\ \ People&tid = ACSDT5Y2018.B05010&vintage = 2018。
53. 美国人口普查局的人口普查数据,2020年,https://www.census.gov/cgi-bin/geo/shapefiles/index.php?year=2018&layergroup=County +细分。
54. 美国人口普查局的人口普查数据,2020年,https://data.census.gov/cedsci/。
55. s . s . Wong夏新,j·沃克,理解被疏散者行为:一个案例研究厄玛飓风运输研究所,加州大学伯克利分校、加州大学伯克利分校,CA,美国,2018年。
56. 美国旅馆、p . Murray-Tuite和k·辛格“流感风险感知和旅游相关的健康保护行为在美国:见解COVID-19爆发之后,“交通研究跨学科的视角卷,5篇文章ID 100127, 2020。视图:出版商的网站|谷歌学术搜索
57. 木头和m . j . c . c .木j·m·朱兰:关键评估业务和管理2005年英国,心理出版社,举起。

版权

版权©2021年托马斯·雪莉等。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。