Bus transit service reliability: Understanding the impacts of overlapping bus service on headway delays and determinants of bus bunching
Notice bibliographique
Résumé
To retain and attract new riders, transit agencies are frequently in search for ways to improve system reliability. Transit agencies typically operate several routes that partially or fully overlay (or overlap) one another in order to offer a better service coverage to reach various destinations. While previous research has focused on understanding the general factors that impact headway adherence and delay, there has been little effort to address the effects of overlapping bus routes on service headway adherence and service bunching. This research investigates the impacts of bus route overlapping on service headway delay and probability of bunching at the stop-level of analysis. The study uses automatic vehicle location (AVL) and automatic passenger count (APC) systems data collected from TriMet, the public transit provider for Portland, Oregon, USA, along one of its heavily utilized bus corridors, the Barbur bus corridor. It is shown that service overlapping can increase headway delay by 3.8 seconds, with no impacts on service bunching. It is also shown that headway delay is a function of scheduled headway between trips. Thus, scheduling more time between trips decreases the service delay, with a minimum of delay occurring at 20 minutes. Trips starting late at the beginning of a route increase the odds of bunching for the following trip on schedule more than its delay. This study offers transit agencies and schedulers a better understanding of the effects of service overlapping on service headway delays from schedule and the determinants of us bunching, which are important components of transit service reliability.
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 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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».