Multiobjective Optimization for Multimodal Evacuation
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 paper proposes a multimodal optimization framework that combines vehicular traffic and mass transit for emergency evacuation. The multi-objective approach optimizes the multimodal evacuation framework by investigating three objectives: minimizing in-vehicle travel time, minimizing at-origin waiting time, and minimizing fleet cost in the case of mass transit evacuation. For auto evacuees, an optimal spatiotemporal evacuation (OSTE) formulation is presented for generating optimal demand scheduling, destination choice, and route choice simultaneously. OSTE implements dynamic traffic assignment techniques coupled with genetic optimization to achieve the objective functions. For transit vehicles, a multiple-depot, time-constrained, pickup and delivery vehicle routing problem (MDTCPD-VRP) is formulated to model the use of public transit shuttle buses during evacuation. MDTCPD-VRP implements constraint programming and local search techniques to achieve the objective function and satisfy constraints. The OSTE and MDTCPD-VRP platforms are integrated in one framework to replicate the impact of congestion caused by traffic on transit vehicle travel times. This paper presents a prototype implementation of the conceptual framework for a hypothetical medium-size network in downtown Toronto, Ontario, Canada. The results show that including the waiting time and the in-vehicle travel time in the objective function reduced the network clearance time for auto-evacuees by 40% compared with including only the in-vehicle travel time. For mass transit, when considering fleet cost, an increase of 13% in network clearance time for transit evacuees was observed with a decrease of 12% in fleet size. Mass transit was shown to provide latent transportation capacity that is needed in evacuation situations.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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