Large-Scale Evacuation Using Subway and Bus Transit: Approach and Application in City of Toronto
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
Public transportation systems play a significant role in emergency evacuation. Therefore, this paper is geared towards harnessing subway and bus transit to alleviate congestion pressure during evacuation of busy urban areas. Routing and scheduling of transit vehicles and subway operation is envisioned as a new variant of the well-established vehicle routing problem. The model presented in this paper combines multiple variants of the traditional vehicle routing problem while reflecting on the operational characteristics during emergency evacuation, to include (1) multiple depots to better distribute the transit fleet, (2) time constraints to account for the evacuation time window, and (3) constraints for pick-up and delivery locations of evacuees. The evacuation problem is hereafter defined as a multi-depot time-constrained pick-up delivery vehicle route problem. A framework, using constraint programming and local search methods, was developed to model and solve the problem. An optimal spatio-temporal evacuation model was performed first to optimize evacuation of background vehicular traffic, generating transit travel cost (i.e., link travel times) as an input to the evacuation problem. The methodology was applied to evacuate the entire city of Toronto. The results show that the Toronto Transit Commission fleet is capable of evacuating the transit-dependent population (1.34 million) within 2 h on average. The four subway lines of the city of Toronto carry approximately 0.62 million people and can evacuate these people in less than 3 h on average. Toronto Transit Commission shuttle buses (1,320 vehicles) can evacuate the remainder of the transit-dependent population (0.72 million) in approximately 1.5 h on average.
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 | 0,000 |
| 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