MétaCan
Menu
Retour à la cohorte
Enregistrement W2900696058 · doi:10.1155/2018/4079230

Pedestrian Patterns at Railway Platforms during Boarding: Evidence from a Case Study in Switzerland

2018· article· en· W2900696058 sur OpenAlexvenueno aff
Giulia Dell’Asin, Johannes Hool

Notice bibliographique

RevueJournal of Advanced Transportation · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueEvacuation and Crowd Dynamics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDoorsPedestrianTransport engineeringCluster (spacecraft)Computer scienceRailway systemProcess (computing)SimulationEngineering

Résumé

récupéré en direct d'OpenAlex

The boarding/alighting process at railway platforms is an important determinant of the railway system performance and depends on the characteristics of passengers, the layout of the platform, and the rolling stock. This research aims to increase the understanding of the process, providing a methodological approach to model the passengers’ behaviour when boarding at railway platforms. Adequate criteria were selected to define the so called “boarding cluster” and an easy mechanism was developed to select the boarding clusters. Passenger flow data collected at Bern railway station in Switzerland was used to test the proposed approach. The results show that (a) the clusters near the doors grow in the longitudinal direction with a rate of 6:1 between the length and width of clusters, and that (b) the growth curves rise quickly when clusters are still small, i.e., at the beginning of the boarding/alighting activity. Further research is needed to extend the validation of the model, considering other variables, such as critical pedestrian densities which occur at specific hot spots near obstacles at platforms.

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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,208
Score d'incertitude au seuil0,661

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 savante0,0000,001
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 Opus0,018
Tête enseignante GPT0,270
Écart entre enseignants0,252 · 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

Citations11
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

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