MétaCan
Menu
Retour à la cohorte
Enregistrement W2167844517 · doi:10.1002/atr.5670370104

Development of an object‐oriented pedestrian traffic flow simulation environment for transport terminal planning

2003· article· en· W2167844517 sur OpenAlexvenueno aff
Dimosthenis Anagnostopoulos, Matthew G. Karlaftis, Μάρα Νικολαϊδου

Notice bibliographique

RevueJournal of Advanced Transportation · 2003
Typearticle
Langueen
DomaineEngineering
ThématiqueEvacuation and Crowd Dynamics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPedestrianTerminal (telecommunication)Traffic flow (computer networking)Component (thermodynamics)Representation (politics)Traffic simulationComputer scienceObject-oriented programmingEmergency evacuationSimulationService (business)Transport engineeringObject (grammar)Level of serviceSystems engineeringEngineeringIntersection (aeronautics)Artificial intelligence

Résumé

récupéré en direct d'OpenAlex

Abstract In recent years, simulation has become an essential tool for planning, designing, and managing terminal operations. Simulation modeling of various aspects related to the dynamic nature of the pedestrian/passenger behavior within a transport terminal can effectively assist in the analysis, evaluation, emergency response planning, and decision support phases of the terminal's operation. In this paper, the development of an object‐oriented environment that enables both the graphical description and simulation of pedestrian traffic flows at the microscopic level is discussed. The simulation environment provides generation capabilities so that a terminal station model is directly formed on the basis of preconstructed component models. Essential experimentation capabilities, including graphical representation, are provided for pedestrian‐oriented and system‐oriented measures of interest with explicit emphasis on the level of service. A case study for a 4–level station in the new Athens subway system is also used to demonstrate the potential and functionality of the simulation environment.

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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,236
Score d'incertitude au seuil0,516

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 Opus0,012
Tête enseignante GPT0,254
Écart entre enseignants0,242 · 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

Citations6
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Advanced TransportationMême sujetEvacuation and Crowd DynamicsTravaux en français237 207