MétaCan
Menu
Retour à la cohorte
Enregistrement W2927243835 · doi:10.1155/2019/9408595

Integrating Frequency Setting, Timetabling, and Route Assignment to Synchronize Transit Lines

2019· article· en· W2927243835 sur OpenAlexvenueno aff
Omar Jorge Ibarra-Rojas, Juan Carlos Muñoz, Ricardo Giesen, Paul Knapp

Notice bibliographique

RevueJournal of Advanced Transportation · 2019
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueTransportation Planning and Optimization
Établissements canadiensnon disponible
Organismes subventionnairesCentro de Desarrollo Urbano SustentableVolvo Research and Educational Foundations
Mots-clésHeadwayHeuristicSolverTransit (satellite)Synchronization (alternating current)Computer scienceService (business)Line (geometry)Service levelTransport engineeringOperations researchPublic transportTransfer (computing)Mathematical optimizationReal-time computingSimulationEngineeringComputer networkMathematics

Résumé

récupéré en direct d'OpenAlex

Synchronization of different transit lines is an important activity to increase the level of service in transportation systems. In particular, for passengers, transferring from one line to another, there may be low-frequency periods and transfer zones where walking is needed, or passengers are exposed to adverse weather conditions and uncomfortable infrastructure. In this study, we define the Bus Lines Synchronization Problem that determines the frequency for each line (regarding the even headway), the timetable (including holding times for buses at transfer stops), and passenger-route assignments to minimize the sum of passenger and operational costs. We propose a nonlinear mixed integer formulation with time-indexed variables which allow representing the route choice for passengers and different types of costs. We implement an iterative heuristic algorithm based on fixing variables and solving a simplified formulation with a commercial solver. We implement our proposed heuristic on the transit network in Santiago, Chile. Numerical results indicate that our approach is capable of reducing operating costs and increasing the level of service for large scenarios.

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)0,001
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,726
Score d'incertitude au seuil0,434

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 Opus0,007
Tête enseignante GPT0,273
Écart entre enseignants0,266 · 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

Citations15
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Advanced TransportationMême sujetTransportation Planning and OptimizationTravaux en français237 207