MétaCan
Menu
Retour à la cohorte
Enregistrement W2091548748 · doi:10.1002/atr.110

Modelling passengers, buses and stops in traffic microsimulation: review and extensions

2010· article· en· W2091548748 sur OpenAlexvenueno aff
Cristián E. Cortés, Vanessa Burgos, Rodrigo Fernández

Notice bibliographique

RevueJournal of Advanced Transportation · 2010
Typearticle
Langueen
DomaineEngineering
ThématiqueTraffic control and management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMicrosimulationTransport engineeringContext (archaeology)Public transportComputer scienceRepresentation (politics)Operations researchTraffic simulationControl (management)Engineering

Résumé

récupéré en direct d'OpenAlex

Abstract In the last decade, significant research efforts and technology have been dedicated to the development of microsimulation tools for a better representation of traffic systems. As a result, several commercial packages appeared and they are used nowadays in the detailed modelling of different transportation systems and operations for specific project evaluations and local designs, mostly within the urban context. After reviewing the specialized literature, we realized that most of these microsimulation tools are oriented to the movement of cars, leaving the public transportation systems as a complement, just for a realistic representation of the transportation system as a whole, but always oriented to simulate cars. In this paper, the objective is to provide guidelines on how to incorporate the necessary entities and components for a proper simulation of public transport systems in a microsimulation environment. Thus, the different approaches to simulate transit systems at a microlevel are discussed, highlighting the necessity of including stops, passengers and transit vehicles explicitly as entities within the microsimulation environment, for modelling transfer operations, control strategies, etc. Several examples are then provided to quantify the impact of such representations, for different cases and potential simulation platforms. Copyright © 2010 John Wiley & Sons, Ltd.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,655
Score d'incertitude au seuil0,253

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,007
Tête enseignante GPT0,216
Écart entre enseignants0,209 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations28
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Advanced TransportationMême sujetTraffic control and managementTravaux en français237 207