Investigating the irregularity of bus routes: highlighting how underlying assumptions of bus models impact the regularity results
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 A bus route is inherently unstable: when the system is uncontrolled, buses fail to maintain their time‐headways and tend to bunch. Several mathematical bus motion models were proposed to reproduce the bus behavior and assess management strategies. However, no work has established how the choice of a model impacts the irregularity of modeled bus systems, that is, the non‐respect of scheduled headways. Because of this gap, a large body of existing works assumes that the ability of these models to reproduce instability comes only from stochasticity, although the link between stochastic inputs and the level of irregularity remains unknown. Moreover, some recognized phenomena such as a change of travel conditions during a day or delays at signalized intersections are ignored. To address these shortcomings, this paper provides an overview of existing dynamic bus‐focused models and proposes a simple way to classify them. Commonly used deterministic and stochastic models are compared, which allows quantifying the relative influence of stochasticity of each model component on outputs. Moreover, we show that a change in the system equilibrium in a full deterministic system can lead to irregularity. Finally, this paper proposes a refinement of travel time models to account for non‐dynamic signals. In presence of traffic signals, we show that a bus system can be self‐regulated. Especially, these insights could help to calibrate bus model inputs to better reproduce real data. Copyright © 2014 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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 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