A class of multicriteria shortest path problems for real-time in-vehicle routing
Notice bibliographique
Résumé
In-route guidance systems fastest path routing has typically been adopted because of its simplicity. However, empirical studies on route choice behavior have shown that drivers use numerous criteria in choosing a route. The objective of this paper is to develop computationally efficient algorithms for identifying a manageable subset of the nondominated (i.e., Pareto optimal) paths for real-time in-vehicle routing. The basic notion of the proposed approach is that (i) enumerating all nondominated paths is computationally too expensive, (ii) obtaining a stable mathematical representation of the driver's utility function is theoretically difficult and impractical, and (iii) identifying the optimal path given a nonlinear utility function is a nondeterministic polynomial time (NP)-hard problem. Consequently, a heuristic two-stage strategy that identifies multiple routes and then selects the near-optimal path may be effective and practical. As the first stage, we relax the uniqueness of the utility function by measuring the context-dependent preference using an entropy model and propose a branch-and-bound technique that discards most of the nondominated paths. To make sure that the paths identified are dissimilar in terms of links used, the portion of shared links between routes is limited. The test of the algorithm in a large real-life traffic network shows that the algorithm can significantly reduce computational complexity while identifying reasonable alternative paths. Key words: real-time vehicle routing, multiple routes, utility function, optimal path.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».