MétaCan
Menu
Retour à la cohorte
Enregistrement W2598010875 · doi:10.5278/ojs.td.v1i1.5675

The potential cost from passengers and how it impacts railway maintenance and renewal decisions

2020· article· en· W2598010875 sur OpenAlex
Rui Li, Alex Landex, Otto Anker Nielsen

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueTechnical University of Denmark, DTU Orbit (Technical University of Denmark, DTU) · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueUrban and Freight Transport Logistics
Établissements canadiensTransport Canada
Organismes subventionnairesnon disponible
Mots-clésTransport engineeringBusinessOperations researchEngineering

Résumé

récupéré en direct d'OpenAlex

To plan Maintenance and Renewals (M&R) for the heavy railway lines, scheduling work possession time and deciding the closure of railway line are quite challenging for Infrastructure Manager (IM) at tactical planning level. As usual, the direct costs such as the materials costs, man power price and machinery costs are the important factors for IM to evaluate all the alternative schedules. At the same time, the potential cost from passengers is also crucial to minimize the impacts to the society. A phase-based planning toolkit is developed to help IM to plan and compare project proposals from a wider cost scope, integrating the passenger loss and direct costs into the comparison at planning stage. Passenger loss is estimated basing on the potential delay time values. The case study shows the potential cost from passengers is one of the key factors impacting the rank of M&R options. It even dominates the overall cost comparison for the busiest railway stations. In such case, the track closure time has to be decided according to the passenger loss instead of the direct costs. Sometime the best proposal for society might be the most expensive solution for IM. Therefore the potential passenger loss is not something that can be ignored at planning stage.

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.

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 candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,519
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,002
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
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 Opus0,019
Tête enseignante GPT0,178
Écart entre enseignants0,159 · 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