Activity‐Based Travel Scenario Analysis with Routing Problem Reoptimization
Notice bibliographique
Résumé
Activity-based travel scenario analysis and network design using a household activity pattern problem (HAPP) can face significant computational cost and inefficiency. One solution approach, called reoptimization, makes use of an optimal solution of a prior problem instance to find a new solution faster and more accurately. Although the method is generally NP-hard as well, the approximation bound has been shown in the literature to be tighter than a full optimization for several traveling salesman problem variations. To date, however, there have not been any computational studies conducted with the method for scenario analysis with generalized vehicle routing problems, nor has there been any metaheuristics designed with reoptimization in mind. A generalized, selective household activity routing problem (G-SHARP) is presented as an extension of the HAPP model to include both destination and schedule choice for the purpose of testing reoptimization. Two reoptimization algorithms are proposed: a simple swap heuristic and a new class of evolutionary algorithms designed for reoptimization, dubbed a Genetic Algorithm with Mitochondrial Eve (GAME). The two algorithms are tested against a standard genetic algorithm in a computational experiment involving 100 zones that include 400 potential activities (resulting in a total of 802 nodes per single-traveler household). Five hundred households are synthesized and computationally tested with a base scenario, a scenario where an office land use in one zone is dezoned, and a scenario where a freeway is added onto the physical network. The results demonstrate the effectiveness of reoptimization heuristics, particularly GAME, and the capability of G-SHARP to capture reallocations of activities and schedules with respect to spatiotemporal changes.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».