MétaCan
Menu
Retour à la cohorte
Enregistrement W2112368500 · doi:10.3141/1994-12

Development of a Fleet Allocator Model for Calgary, Canada

2007· article· en· W2112368500 sur OpenAlexaffabout
Kevin Stefan, J. D. Hunt, Jdp McMillan, Andi Muh. Aizar Farhan

Notice bibliographique

RevueTransportation Research Record Journal of the Transportation Research Board · 2007
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueTransportation Planning and Optimization
Établissements canadiensUniversity of CalgaryBP (Canada)
Organismes subventionnairesnon disponible
Mots-clésAllocatorFleet managementTransport engineeringProcess (computing)Computer scienceEngineeringOperations researchAutomotive engineeringSimulationOperating system

Résumé

récupéré en direct d'OpenAlex

The Calgary commercial vehicle model is an attempt to model all commercial vehicle movements in Calgary, Alberta, Canada, as part of a larger model system that includes a personal travel model. One type of commercial vehicle initially modeled in a simple, gravity-based fashion because of limited data is the fleet allocator. Fleet allocators are commercial vehicles that make many stops in a coordinated pattern. These include services such as garbage pickup, newspaper and mail delivery, and couriers. From an existing linear regression trip generation model and a gravity-based distribution model, a more complex tour-based model system consistent with the approach for the remainder of the commercial vehicles was adopted. With available aggregate fleet allocator information provided with the cooperation of the City of Edmonton, Canada, along with the parameters estimated for other types of commercial vehicles in the existing tour-based Calgary commercial vehicle model, a full tour-based fleet allocator model was developed and calibrated to match the available observed data. The process used was a successful demonstration of using an existing model to cover a different set of movements by calibrating the model parameters using the additional available data.

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)0,010
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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,642
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0100,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 Opus0,115
Tête enseignante GPT0,407
Écart entre enseignants0,292 · 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'étudeObservationnel
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

Citations6
Publié2007
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueTransportation Research Record Journal of the Transportation Research BoardMême sujetTransportation Planning and OptimizationTravaux en français237 207