MétaCan
Menu
Retour à la cohorte
Enregistrement W2938352754 · doi:10.1016/j.trpro.2020.03.160

A vehicle routing problem with movement synchronization of drones, sidewalk robots, or foot-walkers

2020· article· en· W2938352754 sur OpenAlexaff
Puyuan Deng, Glareh Amirjamshidi, Matthew J. Roorda

Notice bibliographique

RevueTransportation research procedia · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueTransportation and Mobility Innovations
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésDroneRobotVehicle routing problemMetaheuristicRouting (electronic design automation)Computer scienceSynchronization (alternating current)TruckTransport engineeringSet (abstract data type)Operations researchSimulationEngineeringComputer networkArtificial intelligenceAutomotive engineering

Résumé

récupéré en direct d'OpenAlex

The vehicle routing problem (VRP) and its variants have many city logistics applications, such as goods delivery. The VRP extension with movement synchronization (VRPMS) has potential applications of drone and robot technologies to assist with the delivery of parcels. VRPMS seeks the optimal route for a set of composite resources, e.g. delivery van with drones, or delivery van with sidewalk robots. This paper proposes an exact formulation of the problem, and a metaheuristic approach to solve larger instances of the VRPMS in order to assess the economic benefits of the different technologies. It is shown that with the current physical constraints of drone technology, assisted delivery with drones has some challenges because of its capacity. Sidewalk robots and walkers, however, do contribute a cost savings compared to truck deliveries. As the technology matures, the presented metaheuristic approach can be used to evaluate improved economic benefits and cost benefit ratios.

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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,528
Score d'incertitude au seuil0,572

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
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 Opus0,048
Tête enseignante GPT0,292
Écart entre enseignants0,244 · 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'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

Citations25
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTransportation research procediaMême sujetTransportation and Mobility InnovationsTravaux en français237 207