MétaCan
Menu
Retour à la cohorte
Enregistrement W2018829876 · doi:10.3141/1760-12

Simulation Model for Evaluating Intelligent Paratransit Systems

2001· article· en· W2018829876 sur OpenAlexaff
Liping Fu

Notice bibliographique

RevueTransportation Research Record Journal of the Transportation Research Board · 2001
Typearticle
Langueen
DomaineEngineering
ThématiqueTransportation and Mobility Innovations
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésParatransitField (mathematics)Computer scienceReliability (semiconductor)Transport engineeringVariety (cybernetics)TRIPS architectureIntelligent transportation systemPublic transportSystems engineeringRisk analysis (engineering)EngineeringSimulationOperations research

Résumé

récupéré en direct d'OpenAlex

The latest advances in information technology, such as automatic vehicle location, digital telecommunications, and computers, have renewed interest among public transit agencies in applying these technologies to enhance the efficiency and reliability of their paratransit systems. This interest has also induced a need for relevant methodologies and tools that can help address some fundamental questions on the cost-effectiveness of these technologies. This type of evaluation has mostly relied on field studies that usually require a significant expenditure and are conditioned to limited operating environments. A simulation system is presented that has been developed to model a variety of technology-oriented dial-a-ride paratransit systems, offering a way to complement or replace the field evaluation method. The general concepts and models applied in the simulation system are discussed, focusing on how various components are modeled and how they interact with each other in the overall simulation framework. The simulation system is applied to evaluate the effects of trip cancellation on the operational performance of a partly synthetic paratransit system, with the goal of quantifying the potential benefits that may be attained by accepting real-time demand trips.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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: Empirique
Score de désaccord entre enseignants0,362
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,265
Tête enseignante GPT0,454
Écart entre enseignants0,190 · 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 tête enseignante, pas un consensus.

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

Citations12
Publié2001
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTransportation Research Record Journal of the Transportation Research BoardMême sujetTransportation and Mobility InnovationsTravaux en français237 207