MétaCan
Menu
Retour à la cohorte
Enregistrement W3003419814 · doi:10.1155/2020/6385359

Study on the Selection Model of Staying Adjustment Bus Lines along Rail Transit

2020· article· en· W3003419814 sur OpenAlexvenueno aff
Jie Cui, Yueer Gao, Jing Cheng

Notice bibliographique

RevueJournal of Advanced Transportation · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueTransportation Planning and Optimization
Établissements canadiensnon disponible
Organismes subventionnairesHuaqiao UniversityNatural Science Foundation of Fujian ProvinceNational Natural Science Foundation of China
Mots-clésRail transitPublic transportTransport engineeringTransit (satellite)Line (geometry)Selection (genetic algorithm)Urban rail transitBus rapid transitEngineeringComputer science

Résumé

récupéré en direct d'OpenAlex

To fully achieve effective rail transit, prevent the waste of conventional bus capacity along a rail transit line, and relieve the urban traffic congestion problem, it is necessary to screen for the adjustment of conventional bus lines prior to the operation of rail transit to provide a basis for further optimization of bus lines. Based on the analysis of spatial relationships between a rail transit line and conventional collinear bus lines and considering the time advantage characteristics of rail transit in rush hours, a model of the generalized travel time costs and travel time savings proportion in the collinear section of rail transit and bus was proposed. To evaluate the utility of rail transit relative to conventional bus collinear lines, the conventional bus lines to be adjusted were determined. Taking Xiamen as an example, the bus lines of Hubin East Road Station as the endpoint of metro line 1 were employed to calculate the model using GPS data of the buses, and the bus lines to be adjusted in the Hubin East Road were determined. The results show that the model is effective in the elastic selection of conventional bus lines that need to be adjusted and provides decision-making support for urban comprehensive public transport planning.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,049
Score d'incertitude au seuil0,097

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0030,002
Science ouverte0,0020,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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 Opus0,046
Tête enseignante GPT0,304
Écart entre enseignants0,259 · 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 source (Gemma direct ou Codex distillé), 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

Citations14
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

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