摘要
随着野火威胁的增加,加强对家庭疏散行为和行动的理解势在必行。移动GPS数据为研究疏散路径行为提供了一个独特的机会,具有很高的生态有效性,但很少有公开的数据。在2019年10月23日开始的2019年金卡德火灾期间,我们生成了一个公路车辆路线数据集,该数据集来自加利福尼亚州索诺玛县移动设备(例如智能手机)生成的GPS轨迹。该数据集包含索诺玛县2019年10月16日至2019年11月13日期间的21,160条公路车辆路线记录。通过检查轨迹和平均行驶速度来验证数据集的质量。该数据集的潜在用途在于分析和建模疏散人员的路线选择行为,估计疏散期间的交通状况,并验证野火疏散模拟模型。
测量(s) | 公路车辆路线 |
技术类型(年代) | GPS定位跟踪 |
样品特性-位置 | 美国加利福尼亚州索诺玛县 |
背景与概述
野火的强度和频率继续增加1,2,3.,4,5,6。例如,2020年加利福尼亚州、俄勒冈州和华盛顿州的火灾风暴烧毁了500多万英亩土地,摧毁了数千座建筑物,导致50多万人撤离,24人死亡7。为了加强应急响应和公共安全,必须扩大对火灾中家庭疏散行为和行动的了解。这些知识可以帮助当局制定适当的应急响应计划,并在野火事件中做出有效的决定。这包括规划交通管理策略、发布疏散令、为处境不利的旅行者提供支持以及进行救援8,9。
捕捉疏散人员的路径行为对于估计交通状况、识别交通瓶颈、制定实时交通控制策略具有重要意义。然而,由于缺乏详细的公开数据,对这一主题的研究有限。现有的灾害响应研究主要利用调查和访谈等数据来源研究疏散决策(是否撤离或留下)3.,5,8,9,10。尽管这些数据具有详细的个人层面信息,可以提供对野火疏散决策的基本理解,但它们在疏散过程中对撤离人员运动(即路线行为)的信息有限。此外,由于这些传统数据依赖于人们的记忆,很难收集到准确的疏散路线的时间戳和位置,这给了解他们的运动和估计疏散期间的交通状况带来了挑战。移动GPS数据是通过捕获通过移动设备应用程序传输的卫星ping信号生成的位置数据记录,它提供了一个独特的机会来补充使用问卷收集的数据,并通过提供高粒度的时空运动信息来增强我们对人们疏散路线行为的理解。与调查方法相比,GPS数据集由移动设备自动收集,具有大样本量(例如,数百万个观测值),并提供人们运动的近似时间戳和GPS位置。这些特点使GPS数据成为捕获疏散过程中人的路径行为的合适数据源,可用于验证现有的疏散仿真模型11,12。然而,没有公开的GPS数据集可以让研究人员和从业人员分析人们在野火疏散期间的路线行为。
在这项研究中,我们提供了一个来自加利福尼亚州索诺玛县GPS轨迹的公路车辆路线数据集,该数据集代表了2019年金凯德火灾期间人们的运动。金凯德火灾于晚上9点27分在索诺玛县发生。于2019年10月23日下午7点被完全控制。2019年11月6日。大火烧毁了77,758英亩,摧毁了374座建筑物,损坏了60座建筑物,造成4人受伤13。随着火势蔓延,10月26日首次发布了强制疏散令,随后几天,疏散警告和命令扩大到索诺玛县的大部分地区。研究地点、火灾边界和疏散区域(表示疏散警告/命令下的地理区域)如图所示。1。
该数据集可用于研究家庭如何响应野火疏散警告和命令,并探索疏散通知对交通流量的影响。该数据集的潜在用途包括:(1)分析和建模疏散人员的路径选择行为;(2)估计交通状况(如行驶时间、交通流量和速度);(3)验证现有野火疏散模拟模型11,12。
方法
GPS数据集(或观测数据)由Gravy Analytics提供TM并建立在隐私友好的移动位置数据上。Gravy每天处理数十亿个原始移动位置信号来构建观测数据——清理和删除数据,以消除欺诈、有问题和重复的数据。Gravy还将Forensic Flags应用于数据,根据信号来源、位置准确性和其他关键特征对有效数据进行分类和过滤。这将高质量的信号与低质量的、可疑的、甚至欺诈性的信号分离开来,并使分析人员能够选择和只使用他们特定用例所需的数据。此外,Gravy Analytics认真对待消费者隐私,并确保其数据符合行业和法律要求。Gravy非常熟悉CCPA、GDPR和世界各地其他隐私法所规定的义务。Gravy与其数据供应商合作,确保公司处理的数据来自已选择收集设备标识符和地理位置信号的设备用户。肉汁在全球范围内应用此标准,无论该要求是否存在于设备所在的司法管辖区。Gravy维护了一个强大的隐私请求渠道,旨在满足世界隐私法所规定的义务。因此,我们的隐私团队会及时响应并遵守他们收到的每个隐私请求。 Users can submit their own opt-out or privacy request on Gravy’s website. For more information on how Gravy protects consumer privacy, see here:https://gravyanalytics.com/consumer-privacy/。如果读者对获得本研究中使用的数据类型感兴趣,可以通过联系表格(https://gravyanalytics.com/contact-us/).然后,一个Gravy的代表会联系你,讨论具体的数据请求和额外的细节,比如付款、交付日期等等。
为了进一步保护用户的隐私并遵守数据提供商的合同要求,我们只提取反映车辆在特定高速公路上的代理入口或出口的数据点(即高速公路上的第一个或最后一个记录)。该数据集不包括可用于推断日常活动位置的记录,但可以提供Kincade火灾之前、期间和之后高速公路上的车辆路线信息。该数据集是匿名的,但它可以为研究人员和从业人员调查居民的疏散行为提供有价值的信息。
预处理的GPS数据包括索诺玛县移动设备用户(为简单起见,我们将其称为以下文本中的用户)从金凯德火灾前一周到火灾后一周(即2019年10月16日至2019年11月13日)的记录。GPS数据的数据库字段包括设备的唯一标识符、geohash纬度、geohash经度、geohash(一种使用短字母数字字符串来表示位置的地理代码格式),在这里可以找到更多详细信息http://geohash.org/site/tips.html)、时间戳、时区和一个指示GPS精度的标志。GPS数据的合成样本如表所示1。为了提取公路车辆路线数据以供发布,我们根据位置和时间戳删除了每个唯一标识符的重复记录。如果一个标识符有多个具有相同位置(即相同geohash)和时间戳(分辨率为1分钟)的记录,则只保留一条记录。我们使用GIS工具将GPS记录与索诺玛县内的高速公路(即美国101号高速公路和1、12、37、116、121和128号州高速公路)进行空间连接(见图2)。2).高速公路中心线有缓冲b米表示公路面积。根据加州公路设计手册14在美国,一条8车道(每个方向4车道)的高速公路的总宽度约为42米。因此,我们假设高速公路的宽度小于50米,即缓冲区设为b= 50米。在空间连接结果的基础上,提取高速公路区域的GPS记录。然后我们根据标识符和时间戳将这些GPS记录加入到轨迹中。我们注意到,该算法可能会在与其他类型道路的高速公路交汇处产生不准确的轨迹。例如,在图1中。4,点p4来p7用户的旅行(从p1来p10)可以确定为高速公路轨迹。在这种情况下,确定的高速公路轨迹的长度将非常小。因此,我们为已识别的高速公路轨迹设置了最小长度阈值,以消除这些不准确的记录。先前的研究表明,对于自由流速度为65英里/小时的高速公路,两个连续坡道之间的最小距离建议为2500英尺(762米)15,因此,我们将确定的高速公路轨迹的最小长度阈值设置为2500英尺(762米)。我们还删除了具有相同入口和出口位置的重复轨迹,但由于来自同一GPS设备的多个信号,时间戳差异很小(小于1分钟)。在高速公路轨迹的基础上,提取这些轨迹的起点和终点作为车辆进入高速公路的代理入口和出口点。数据处理步骤如图1所示。3.。
数据记录
公路车辆路线数据集16可从DesignSafe-CI数据门户访问:https://doi.org/10.17603/ds2-9v8w-y830。该数据集包含2019年10月16日至2019年11月13日期间(索诺玛县内)高速公路上的车辆路线。该数据集中的记录总数为21,160。请注意,所有数据都包含在此数据集中。由数据用户来进行过滤。数据集以CSV(逗号分隔值)格式提供。数据字段包括移动设备的匿名标识符、反映车辆高速公路代理入口或出口的位置(即地理哈希纬度和地理哈希经度)、相应的时间戳和相应的高速公路名称。变量的详细说明见表2。我们还提供了高速公路的形状文件(即美国101号高速公路,1、12、37、116、121和128号州高速公路)作为补充文件。在此数据集的基础上,可以直接获得车辆路线信息,以便进一步分析。
技术验证
GPS定位记录的精度会影响数据集的质量17,18。因此,为了保证公路车辆路径数据集的质量,我们对GPS数据进行清洗,去除GPS精度较低的记录(即>50米)。GPS精度由GPS数据集中的GPS精度标志(Forensic flag)来标识。法医标志是由GPS数据提供商Gravy Analytics生成的。在这个过程中,我们也消除了重复的观察结果。
的数据生成过程方法Section中,我们首先获得用户在高速公路上的轨迹,然后输出每个轨迹的第一次和最后一次观测值作为代理入口和出口点。换句话说,对于高速公路车辆路由数据集中的每条记录(即行),对应的用户在入口和出口数据点之间的高速公路上行驶。
我们还使用疏散人员每次行程的平均旅行速度分布来验证公路车辆路线数据集。平均行驶速度是用反映用户进出高速公路的数据点之间的路网距离除以相应的行驶时间来估计的。野火发生前(即2019年10月19日(星期六)至2019年10月20日(星期日))和野火发生期间(即2019年10月26日(星期六)至2019年10月27日(星期日))的平均行进速度分布如图所示。5和6。请注意,大多数疏散发生在2019年10月26日至27日的金凯德大火期间6,因此我们选择这两个日期来生成火灾期间的行进速度分布。由于这两个日期都是周末,因此我们选择2019年10月19日至20日(火灾发生前的周末)生成火灾前的旅行速度分布作为比较。火灾发生前,移动设备用户的平均行驶速度均值为46.84 mph,中位数为45.94 mph,众数为41.19 mph,标准差为18.98 mph。火灾期间,平均行驶速度的平均值为44.74英里/小时,中位数为42.36英里/小时,众数为35.10英里/小时,标准差为19.67英里/小时。我们可以观察到,野火疏散过程中的平均行进速度比野火发生前要小,这一结果与前人的研究结果一致19,20.。
然后,我们测试了火灾发生前和火灾发生时的车速分布是否有显著差异。在这种情况下,我们使用了Kolmogorov-Smirnov检验(K-S检验)21,22评估两个分布是否来自同一数据集。的P-值提供了我们是否可以拒绝两个速度样本来自同一分布的假设的见解。我们对野火发生前和发生时的平均传播速度进行了两样本K-S检验,得到了P-value = 0.0022,远低于常用的0.05阈值,这表明我们有强有力的证据来拒绝原假设。K-S检验结果表明,山火发生前和发生时的平均行进速度分布存在显著差异,这与前人的研究结果一致19,20.。
使用笔记
公路车辆路线数据集16作为CSV文件分发,其数据字段汇总在表2以及索诺玛县高速公路的轮廓图。由于数据集是从不同时间间隔的GPS数据集中提取的,数据集显示的入口和出口可能不是实际高速公路入口(即上匝道)和出口(即下匝道)的确切位置。在使用数据进行分析之前,可能需要将它们连接到最近的高速公路出入口。在某些情况下,我们有一个车辆在多个高速公路上的代理入口和出口点,因此必须推断从一条高速公路到另一条高速公路的潜在路径,以估计可能的行驶距离。
公路车辆路线数据集16免费使用/重用。该数据集可以直接用于分析和建模人们在紧急情况发生之前和期间的路线选择。该数据集还可以用于验证现有的疏散模拟工具,特别是通过检查路线选择行为。此外,人们可以利用这个数据集来了解野火疏散期间的旅行延误。由于该数据集提供了车辆代理进出高速公路的位置和时间戳,因此可以使用该数据集估计野火期间两个地点之间的旅行时间。估算的出行时间可以与正常出行时间进行比较,估算出野火疏散过程中的出行延误。利用出行时间和高速公路的代理入口和出口,还可以得出特定高速公路路段的交通速度,以识别野火疏散期间的高速公路热点和瓶颈。此外,该数据集可用于了解交通与建筑环境之间的关联(例如,车道数量、所有车道的总组合宽度、限速、城市面积等),从而为交通基础设施的规划、设计和长期改进提供信息。
代码的可用性
我们发布了用于提取数据的代码:https://github.com/EvacuationBehavior/Highway-Routing-Data-Processing。
没有访问和使用/重用代码的限制。
参考文献
鲍斯特拉斯,G,朗奇,E.和雷因,G.火灾:公民安全的基金研究。自然551, 300-301(2017)。
刘勇,史丹弗,J. & Goodrick, S.气候变化下全球野火潜力的变化趋势。森林生态与管理259, 685-697(2010)。
麦卡弗里,S.,威尔逊,R.和科纳尔,A.,我现在该走还是该留?或者我应该等等看?对野火疏散决策的影响。风险分析38, 1390-1404(2018)。
Ronchi, E, Gwynne, S. M, Rein, G., Intini, P. & Wadhwani, R.:模拟荒地-城市界面火灾疏散的开放多物理框架。安全科学118, 868-880(2019)。
Kuligowski, E. D, Walpole, E. H, Lovreglio, R. & McCaffrey, S.在2016年田纳西州加特林堡烟囱顶部2号火灾中模拟疏散决策。国际野火杂志29, 1120-1132(2020)。
赵,X., Lovreglio, R., Kuligowski, E.和Nilsson, D.利用人工智能安全有效地疏散野火。消防技术57, 483-485(2021)。
西部野火:专家说,这是一场由气候变化引发的“前所未有”的事件。华盛顿邮报(2020)。
麦克伦南,J.,赖安,B.,比尔曼,C.和托,K.,我们现在该走了吗?野火威胁下疏散的行为因素。消防技术55中文信息学报,487-516(2019)。
Toledo, T., Marom, I., Grimberg, E.和Bekhor, S.野火事件中的疏散行为分析。国际减少灾害风险杂志31, 1366-1373(2018)。
王少德,沃克,J. L.和Shaheen, S. A.疏散中共享流动性和庇护资源意愿的信任和同情:2017年和2018年加州野火的案例研究。国际减少灾害风险杂志52, 101900(2021)。
李,D, Cova, T. J. & Dennison, P. E.基于火灾和交通模拟模型的火灾疏散触发器设置:一种时空GIS方法。消防技术55, 617-642(2019)。
Wahlqvist, J。等。野外-城市界面火灾疏散模拟:WUI-NITY平台。安全科学136, 105145(2021)。
索诺玛行动区和索诺玛县,应急管理部。2019年金卡德火灾行动后报告。2019年金凯德火灾事后报告及改善计划(2020)。
加州交通部。公路设计手册。公路设计手册(2016)。
Fitzpatrick K。等。高速公路坡道间距指南。交通研究记录2262, 3-12(2011)。
Zhao, X., Xu, Y., Lovreglio, R., Kuligowski, E.和Nilsson, D. 2019年金卡德火灾疏散期间的公路车辆路线数据集,DesignSafe-CI,https://doi.org/10.17603/ds2-9v8w-y830(2021)。
Zumberge, J., Heflin, M., Jefferson, D., Watkins, M.和Webb, F.精确的点定位,对来自大型网络的GPS数据进行有效和稳健的分析。地球物理研究杂志:固体地球102, 5005-5017(1997)。
查普曼,a.d。数据质量原则(GBIF, 2005)。
迪克西特,V.和沃尔森,B.疏散交通动态。交通运输研究C部分:新兴技术49, 114-125(2014)。
黄伟,刘建军,刘建军,刘建军,吴建军,李建军,吴建军,李建军,李建军。交通研究记录03611981211001870(2021)。
[A.]《地理分布的实证分析》。本月,意大利。Attuari Giorn。4, 83-91(1933)。
估计经验分布拟合优度的表。《数理统计年鉴19, 279-281(1948)。
致谢
这项工作是在美国商务部、国家标准与技术研究院(NIST)的第60NANB20D182和60NANB21D180号财政资助下进行的。这项工作也得到了自然灾害中心天气准备研究奖励计划的支持。本材料中表达的任何观点、发现、结论或建议均为作者的观点,并不一定反映资助者的观点。我们非常感谢来自卤汁分析公司的Brittany Sepulveda和Megan Ryan提供的宝贵意见。
作者信息
作者及单位
贡献
Y.X。方法;软件;验证;正式的分析;调查;数据管理;写作-原稿;可视化。X.Z:概念化;方法; Formal analysis; Resources; Data Curation; Writing - Original Draft; Supervision; Project Administration; Funding Acquisition. R.L.: Conceptualization; Methodology; Writing - Review & Editing; Funding Acquisition. E.K.: Conceptualization; Methodology; Writing - Review & Editing; Funding Acquisition. D.N.: Conceptualization; Methodology; Writing - Review & Editing; Funding Acquisition. T.C.: Methodology; Writing - Review & Editing. X.Y.: Methodology; Writing - Review & Editing.
相应的作者
道德声明
相互竞争的利益
作者声明没有利益冲突。
额外的信息
出版商的注意b施普林格《自然》杂志对已出版的地图和机构的管辖权要求保持中立。
权利和权限
开放获取本文遵循知识共享署名4.0国际许可协议,该协议允许以任何媒介或格式使用、共享、改编、分发和复制,只要您适当地注明原作者和来源,提供知识共享许可协议的链接,并注明是否进行了更改。本文中的图像或其他第三方材料包含在文章的知识共享许可协议中,除非在材料的署名中另有说明。如果材料未包含在文章的知识共享许可中,并且您的预期用途不被法律法规允许或超过允许的用途,您将需要直接从版权所有者处获得许可。要查看此许可证的副本,请访问http://creativecommons.org/licenses/by/4.0/。
关于本文
引用本文
徐彦,赵翔,洛夫雷格里奥,R。et al。2019年金凯德火灾疏散期间的公路车辆路线数据集。科学数据9, 608(2022)。https://doi.org/10.1038/s41597-022-01731-6
收到了:
接受:
发表:
DOI:https://doi.org/10.1038/s41597-022-01731-6