MétaCan
Menu
Retour à la cohorte
Enregistrement W1489158350 · doi:10.1002/atr.1305

An improved incremental assignment model for parking variable message sign location problem

2015· article· en· W1489158350 sur OpenAlexvenueno aff
Xun‐You Ni, Daniel Sun, Zhong‐Ren Peng

Notice bibliographique

RevueJournal of Advanced Transportation · 2015
Typearticle
Langueen
DomaineEngineering
ThématiqueSmart Parking Systems Research
Établissements canadiensnon disponible
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésParking guidance and informationIntersection (aeronautics)Variable (mathematics)Computer scienceSign (mathematics)Process (computing)Transport engineeringMATLABSoftwareEngineeringMathematicsOperating system

Résumé

récupéré en direct d'OpenAlex

Summary Operators and planners of parking guidance and information system (PGIS) often encounter the difficulty when and how to provide parking information to drivers in peak hours. The aim of this study was to assign the parking demands onto the urban network, find the positions suitable to locate the parking variable message sign (parking VMS), and try to solve the problem when to provide parking information to drivers. Parking VMS, as the most common forms of the information display terminal of PGIS, becomes critical in designing PGIS. This paper started from analyzing the relationship between the location and the performances of parking VMS. If a parking VMS is placed right along the link approaching to the divarication intersection of the subsequent “shortest path” and the previous one, the travel time declines abruptly, and the guiding compliance ratio becomes superior. Then, the network‐based parking choice model for the parking VMS was proposed. Network modification and incremental assignment were used to find the divarication intersections caused by the changes of space availability. In addition, MATLAB software package (MathWorks, Inc., Natick, MA, USA) was adopted to calculate the entire process mentioned. The proposed model and the algorithm were applied to a numerical example, where the location of parking VMS was obtained. Copyright © 2015 John Wiley & Sons, Ltd.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,022
Score d'incertitude au seuil0,043

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0030,002
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0080,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,025
Tête enseignante GPT0,281
Écart entre enseignants0,256 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations18
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Advanced TransportationMême sujetSmart Parking Systems ResearchTravaux en français237 207