MétaCan
Menu
Retour à la cohorte
Enregistrement W3007241145 · doi:10.1155/2020/9473831

An Alternative Fuel Refueling Station Location Model considering Detour Traffic Flows on a Highway Road System

2020· article· en· W3007241145 sur OpenAlexvenueno aff
Seong Wook Hwang, Sang Jin Kweon, José A. Ventura

Notice bibliographique

RevueJournal of Advanced Transportation · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueElectric Vehicles and Infrastructure
Établissements canadiensnon disponible
Organismes subventionnairesUlsan National Institute of Science and TechnologyHongik University
Mots-clésTRIPS architectureLocation modelTransport engineeringFlow networkRange (aeronautics)Set (abstract data type)Alternative fuel vehicleTravel timeComputer scienceInteger programmingEngineeringOperations researchMathematical optimizationAutomotive engineeringAlgorithmMathematicsAlternative fuels

Résumé

récupéré en direct d'OpenAlex

With the development of alternative fuel (AF) vehicle technologies, studies on finding the potential location of AF refueling stations in transportation networks have received considerable attention. Due to the strong limited driving range, AF vehicles for long-distance intercity trips may require multiple refueling stops at different locations on the way to their destination, which makes the AF refueling station location problem more challenging. In this paper, we consider that AF vehicles requiring multiple refueling stops at different locations during their long-distance intercity trips are capable of making detours from their preplanned paths and selecting return paths that may be different from original paths for their round trips whenever AF refueling stations are not available along the preplanned paths. These options mostly need to be considered when an AF refueling infrastructure is not fully developed on a highway system. To this end, we first propose an algorithm to generate alternative paths that may provide the multiple AF refueling stops between all origin/destination (OD) vertices. Then, a new mixed-integer programming model is proposed to locate AF refueling stations within a preselected set of candidate sites on a directed transportation network by maximizing the coverage of traffic flows along multiple paths. We first test our mathematical model with the proposed algorithm on a classical 25-vertex network with 25 candidate sites through various scenarios that consider a different number of paths for each OD pair, deviation factors, and limited driving ranges of vehicles. Then, we apply our proposed model to locate liquefied natural gas refueling stations in the state of Pennsylvania considering the construction budget. Our results show that the number of alternative paths and deviation distance available significantly affect the coverage of traffic flows at the stations as well as computational time.

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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,213
Score d'incertitude au seuil0,611

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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 Opus0,010
Tête enseignante GPT0,223
Écart entre enseignants0,213 · 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

Citations8
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Advanced TransportationMême sujetElectric Vehicles and InfrastructureTravaux en français237 207