Parking Demand vs Supply: An Optimization-Based Approach at a University Campus
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Parking management has always been a major concern for universities and other activity centers. Nowadays, many universities are suffering from a lack of campus parking capacity. To tackle this problem, it is necessary to take parking lots assignment into consideration, regarding intercampus users’ needs. These users have different ages, physical characteristics, expectations, and administrative positions that should be considered before any parking assignment. Here, a new method is proposed to optimize parking lots management for those universities where staff (academic and administrative), in contrast to students, are allowed to park inside the campus area. For this purpose, first, the probability of using a specific parking lot by each group is determined. For staff, this is done based on their choices, revealed by the relative frequency of using parking lots. This probability for students can be calculated using a fuzzy inference system model. To develop the model, a survey is conducted to extract students’ preferences, regarding parking spaces assignment inside the campus area. Afterward, an integer linear programming model with the objective function of maximizing parking probability is employed, considering several related constraints. The proposed model is applied to Shahid Bahonar University of Kerman (SBUK), Iran, as the case study. According to the results, it can be concluded that the proposed method can help to reduce wandering time of finding an appropriate parking space for both staff and students. In addition, the proposed application can help increase the satisfaction level of staff and students with regard to parking management.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle