野火疏散行为特征化与预测：双阶段机器学习方法
机器学习
2026-03-04 v1 人工智能
摘要
野火疏散行为高度可变，受家庭资源、准备情况和情境线索等复杂相互作用的影响。本研究基于来自加州、科罗拉多和俄勒冈的大规模MTurk调查，整合无监督和监督机器学习方法，揭示潜在行为类型群落，预测关键疏散结果。多因素对应序分析（MCA）、K-Modes聚类和潜在类分析揭示出由车辆获取、灾难规划、技术资源、宠物所有权和居住稳定性所区别的一致性子群。补充的监督模型显示，交通方式可从家庭特征高可靠预测，而疏散时机仍难以分类，因其依赖于动态的实时火情条件。这些发现推动了数据驱动的野火疏散行为理解，展示了机器学习如何支持针对性准备策略、资源分配和公平紧急规划。
引用
@article{arxiv.2603.02223,
title = {Characterizing and Predicting Wildfire Evacuation Behavior: A Dual-Stage ML Approach},
author = {Sazzad Bin Bashar Polock and Anandi Dutta and Subasish Das},
journal= {arXiv preprint arXiv:2603.02223},
year = {2026}
}
备注
This is the author's preprint version of a paper accepted for presentation at SoutheastConn 2026. The final published version will appear in the official conference proceedings. Conference site: https://ieeesoutheastcon.org/