MétaCan
Menu
Retour à la cohorte
Enregistrement W3106806699 · doi:10.1155/2020/7981791

Assessing the Impacts of Autonomous Bus-on-Demand Based on Agent-Based Simulation: A Case Study of Fuyang, Zhejiang, China

2020· article· en· W3106806699 sur OpenAlexvenueno aff
Zhikang Zhai, Ying Yang, Yu Shen, Yuxiong Ji, Yuchuan Du

Notice bibliographique

RevueJournal of Advanced Transportation · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueTransportation Planning and Optimization
Établissements canadiensnon disponible
Organismes subventionnairesFundamental Research Funds for the Central UniversitiesNational Natural Science Foundation of ChinaScience and Technology Commission of Shanghai MunicipalityNatural Science Foundation of Shanghai
Mots-clésScheduleComputer scienceTransport engineeringControl (management)Local busSimulationControl busEngineeringSystem bus

Résumé

récupéré en direct d'OpenAlex

This paper envisions and assesses the performance of an autonomous bus-on-demand (ABoD) system. We take Fuyang, Zhejiang, China, as the study area to investigate the spatiotemporal distribution of bus travel demand during workdays, and we propose replacing inefficient bus routes with the ABoD system. Agent-based models with various bus dispatching and operation control strategies are constructed to evaluate the performance of the ABoD system. The behaviors and interactions of the agents, passengers, autonomous buses, and a control center are designed. After the verification of the simulated bus travel demand with real-world demand, a series of scenarios with various ABoD operation strategies are simulated. The simulation results show that, in comparison with both current fixed-schedule bus services and the optimized bus dispatching strategies, the ABoD system occupies fewer road resources and utilizes bus vehicles more efficiently. Besides, the system is adaptive to the sudden surge in bus travel demand and is economically sustainable.

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)0,001
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 enseignants0,826
Score d'incertitude au seuil0,400

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 savante0,0000,000
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 Opus0,031
Tête enseignante GPT0,351
Écart entre enseignants0,320 · 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

Citations10
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

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