Bilevel Decision-Support Model for Bus-Route Optimization and Accessibility Improvement for Seniors
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.
Notice bibliographique
Résumé
Bus route networks play a pivotal role in public transit system planning, which, in turn, influences the geographical distribution and service coverage of bus transit. Although some advanced approaches have been applied to optimize route network planning, transit-related social exclusion still exists for particular socially disadvantaged groups, such as seniors. Furthermore, because transit agencies are generally the primary decision makers in conventional route optimization, the leading decisions may not favor the interests of transit users. In this study, an optimization methodology for bus route redesign is introduced in order to facilitate transit operation management and enhance the benefits that seniors receive from transit services. A bilevel decision support model (BLDSM) for two schemes is formulated for the identified problem. In the proposed model, transit agencies, as lower-level decision makers, locate appropriate bus stops and generate bus routes using the shortest distance as an optimization criterion. Meanwhile, decisions with regard to providing maximum accessibility to seniors as the upper-level decision makers are taken into account. To address this problem, a location-routing-allocation strategy is proposed and implemented in Scheme I using exact methods, and, in Scheme II, exact methods are integrated with a genetic algorithm (GA) in order to identify a near-optimal solution. A numerical example is provided to assess the feasibility of the proposed method for the two schemes. A discussion of what might happen if the roles of transit agencies and seniors were adjusted in the built BLDSM is also included.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle