MétaCan
Menu
Retour à la cohorte
Enregistrement W2568036209 · doi:10.1155/2017/8139215

Beyond Linear Delay Multipliers in Air Transport

2017· article· en· W2568036209 sur OpenAlexvenueno aff
Seddik Belkoura, José María Peña, Massimiliano Zanin

Notice bibliographique

RevueJournal of Advanced Transportation · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueAir Traffic Management and Optimization
Établissements canadiensnon disponible
Organismes subventionnairesEuropean Commission
Mots-clésMultiplier (economics)Nonlinear systemComputer scienceAir transportProcess (computing)Operations researchSet (abstract data type)DiffusionFunction (biology)SimplicityEconometricsMathematical optimizationTransport engineeringEngineeringEconomicsMathematicsPhysics

Résumé

récupéré en direct d'OpenAlex

Delays are considered one of the most important burdens of air transport, both for their social and environmental consequences and for the cost they cause for airlines and passengers. It is therefore not surprising that a large effort has been devoted to study how they propagate through the system. One of the most important indicators to assess such propagation is the delay multiplier, a ratio between outbound and inbound average delays; in spite of its widespread utilisation, its simplicity precludes capturing all details about the dynamics behind the diffusion process. Here we present a methodology that extracts a more complete relationship between the in- and outbound delays, distinguishing a linear and a nonlinear phase and thus yielding a richer description of the system’s response as a function of the delay magnitude. We validate the methodology through the study of a historical data set of flights crossing the European airspace and show how its most important airports have heterogeneous ways of reacting to extreme delays and that this reaction strongly depends on some of their global properties.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut 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: aucune
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,007
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0020,003
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,006
Tête enseignante GPT0,225
Écart entre enseignants0,219 · 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 source (Gemma direct ou Codex distillé), 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

Citations13
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Advanced TransportationMême sujetAir Traffic Management and OptimizationTravaux en français237 207