MétaCan
Menu
Retour à la cohorte
Enregistrement W3044306824 · doi:10.1155/2020/8365194

Designing High-Freedom Responsive Feeder Transit System with Multitype Vehicles

2020· article· en· W3044306824 sur OpenAlexvenueno aff
Zhengwu Wang, Jie Yu, Wei Hao, Тао Чен, Yi Wang

Notice bibliographique

RevueJournal of Advanced Transportation · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueTransportation and Mobility Innovations
Établissements canadiensnon disponible
Organismes subventionnairesChangsha University of Science and TechnologyNational Natural Science Foundation of ChinaNatural Science Foundation of Hunan ProvinceEducation Department of Hunan Province
Mots-clésReservationScheduling (production processes)Computer sciencePublic transportMathematical optimizationLast mile (transportation)MetaheuristicMode (computer interface)Integer programmingHeuristicService levelService (business)Transport engineeringEngineeringSimulationMileAlgorithmComputer networkMathematics

Résumé

récupéré en direct d'OpenAlex

The last mile travelling problem is the most challenging part when using public transit. This study designs a high-freedom responsive feeder transit (HFRFT) system to serve at the transfer station, given vehicle routes, departure time, and service area based on demand. The proposed feeder transit system employs a travelling mode with multitype vehicles. In order to improve the operation of the HFRFT system, the optimization design methods are suggested for vehicle routes, scheduling, and service area. A mixed integer programming model and its hybrid of a metaheuristic algorithm are proposed to efficiently and integrally solve the vehicle routes and scheduling parameters according to the reservation requirements. A heuristic method is proposed to optimize the service area based on the equilibrium of system supply and demand. Case studies show that the mixed running mode of multiple models can significantly improve the seat utilization, which can also significantly reduce the number of departures and the average travel distance per passenger. The proposed service area optimization method is proved to be feasible to improve the last mile travel.

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 enseignants0,890
Score d'incertitude au seuil0,545

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 Opus0,011
Tête enseignante GPT0,209
Écart entre enseignants0,198 · 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

Citations14
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Advanced TransportationMême sujetTransportation and Mobility InnovationsTravaux en français237 207