MétaCan
Menu
Retour à la cohorte
Enregistrement W3102570627 · doi:10.1061/9780784482858.044

An Optimization Model for Bus Route Redesign Considering Accessibility Improvement for Seniors

2020· article· en· W3102570627 sur OpenAlexaff
Yuan Chen, Xianfei Yin, Ahmed Bouferguène, Mohamed Al‐Hussein, Yinghua Shen

Notice bibliographique

RevueConstruction Research Congress 2020 · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueUrban Transport and Accessibility
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésPublic transportContext (archaeology)DisadvantagedBus rapid transitTransport engineeringTransit (satellite)Computer scienceService (business)GridUrbanizationProcess (computing)BusinessEngineeringGeographyMarketingEconomic growthEconomics

Résumé

récupéré en direct d'OpenAlex

Bus transit acts as a significant catalyst in the process of sustainable and resilient urbanization. However, within any given urban agglomeration, residents do not benefit from the transit services on an equal footing. This is particularly the case for socially disadvantaged groups such as seniors, children, and low-income households. Generally, a walking distance of 400 m is used as a walkable distance threshold for bus stops in public transit design practice and age-friendly city guidelines. Unfortunately, due to irregular transit service regions or a dispersed distribution of bus stops, age-restricted communities which have become a popular residential option for older adults are not necessarily built in locations meeting the 400 m-criterion and thus provide limited accessibility to nearby bus stops. In this context, this paper aims to apply integer linear programming (ILP) to help redesign the existing bus route (or route segment) surrounding the locations of age-restricted communities in order to minimize the operation cost for transit agencies under a series of constraints including satisfying accessibility requirement of bus transit to seniors. Finally, a numerical example, based on the grid street pattern, is illustrated to demonstrate the applicability of the proposed method.

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)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
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 enseignants0,734
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
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 Opus0,127
Tête enseignante GPT0,416
Écart entre enseignants0,289 · 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.

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

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueConstruction Research Congress 2020Même sujetUrban Transport and AccessibilityTravaux en français237 207