An integrated model for evacuation routing and traffic signal optimization with background demand uncertainty
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
SUMMARY Emergency evacuation in congested urban networks can be influenced by uncertain background travel demands, but this issue has not been fully investigated. In this study, evacuation links are prepared for exclusive use by evacuees. Under this assumption, an integrated model is proposed for determining flows on emergency evacuation routes and traffic signals at intersections in the presence of uncertain background travel demands. The problem is formulated as a bi‐objective bi‐level programming model based on the concept of robust optimization. It is assumed that background travel demands belong to an ellipsoidal likelihood region whose parameters are determined by a singly constrained gravity model. With the aim of maximizing the background traffic impact degree in the lower‐level model with a logit‐based stochastic assignment constraint and background demands constraint (the aforementioned ellipsoidal likelihood region), background traffic corresponding to worst‐case demands is determined by the Lagrange multiplier method. In the upper‐level model, two objectives, minimizing both the total travel time of evacuation flows and performance index of the whole network flows, are constructed to determine optimal evacuation flows and traffic signals. The Non‐dominated Sorting Genetic Algorithm II is employed to determine the Pareto solutions of this optimization problem. An example using Sioux Falls networks illustrates the validity of the algorithm. A field case involving the Jianye network around the Nanjing Olympics Sports Center shows the applicability of this algorithm. Copyright © 2012 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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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