The Pickup Problem: Consumers' Locational Preferences in Flow Interception
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
This article addresses the pickup problem , wherein patrons briefly interrupt their predetermined journeys to obtain a simple good, such as fast food or a video, and then resume their journeys. This is a problem from the class known as the flow‐interception location problems. Traditional flow‐interception location models (FILMs) are used to select service locations such that the intercepted flows are maximized. In these traditional models, only flow quantities are considered; these models do not consider where a pickup is made in a journey. However, in the real world, consumers often wish to obtain a product or service at or near a specific location along their trips. The pickup model (PUP) proposed here considers consumers' locational preferences, providing a much broader, more realistic approach than FILM (a special case of PUP) to problems in the private and public sectors. By considering which patrons are served where, PUP transforms the FILM into a flow‐interception location‐allocation model, providing a fruitful garden for further research. Geographic information systems and optimization engines are integrated to investigate the PUP model in real‐world transportation systems. Reported findings demonstrate that the optimal locations identified by traditional models arise solely from network flow structure, whereas the optimal locations identified by PUP result from trade‐offs between network flow structure and the importance of proximity to preferred locations. One important discovery is that PUP solutions are superior to those of traditional FILMs if consumers have locational preferences. Up‐to‐date, real‐world transportation networks provide a realistic test‐bed for this and other models of the flow‐interception type.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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