Route Redundancy-Based Network Topology Measure of Metro Networks
Notice bibliographique
Résumé
The metro system plays a very important role in the urban multimodal transportation system, yet it is susceptible to accidents. A well-designed metro system needs to provide alternative routes to travellers both in the disruptive events and the normal operating conditions for providing rerouting opportunities and balancing crowded lines. This paper provides a new dimension of assessing metro network performance—travellers’ route redundancy (or route diversity), which is defined as the number of behaviourally effective routes between each origin-destination (O-D) pair in the network. The route redundancy of metro network is evaluated by statistical indicators of the distribution of the O-D-level number of effective routes. Compared with the existing connectivity and accessibility measures of topology network performance, route redundancy is also based on the topology network, but it takes the travellers’ route choice into consideration. Specifically, the effective routes between each O-D pair would provide disaggregated information from the travellers’ perspective. Case studies in four metropolises in the world, i.e., Shanghai, Beijing, London, and Tokyo, are conducted to examine the predisaster preparedness of the four metro networks explicitly from the perspective of route redundancy. The results indicate that the London metro network has the best route redundancy performance in terms of the statistical indicators of the distribution of the O-D level number of effective routes. Furthermore, the results of route redundancy are compared with typical measures of topology network performance in terms of measuring connectivity and accessibility of metro networks. Their differences are attributed to the fact that the route redundancy measure considers the travellers’ O-D-level route choice beyond the pure network topology and the shortest path considerations of the existing measures. The route redundancy proposed in this paper could assist in evaluating the predisaster preparedness of current or planning metro networks from O-D level to network level.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».