A Comparative Evaluation of Public Road Transportation Systems in India Using Multicriteria Decision-Making Techniques
Notice bibliographique
Résumé
In this paper, we evaluate the performance of major public road transport organizations in India. The contribution of the paper lies in integrating four multicriteria decision-making (MCDM) techniques to assess the relative performance of public road transportation systems on twenty-three criteria across two consecutive years. The paper classifies the criteria into functional heads and establishes the relative importance of heads using the analytical hierarchical process (AHP). The efficiency scores of each organization referred to as a decision-making unit (DMU) were computed for the classified heads using the Data Envelopment Analysis (DEA) approach. The multicriteria optimization and compromise solution technique “VlseKriterijumska Optimizacija I Kompromisno Resenje” (VIKOR) was used to assign a final rank to each of the DMUs using computed efficiency scores and established weights. Finally, we analyzed the performance of the DMUs across the two consecutive years using the Malmquist Productivity Index (MPI). Our key findings are as follows: First, the performance of all DMUs has improved in the second year with respect to the first year; second, significant improvement is observed in the “expenses” functional head which carries a substantial weight among the functional heads; third, barring few DMUs, the performance of the majority of DMUs has worsened in the “accident” functional head; fourth, while few DMUs have been consistently very good performers in both the years, there are also few DMUs which have consistently performed poorly in both the years. The inferences drawn from the study can be leveraged for future policy formulations by the state government and local municipal corporations and for sharing best practices among the DMUs.
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 | 0,006 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| 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 ».