Operational Considerations regarding On-Demand Air Mobility: A Literature Review and Research Challenges
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
The idea and development of on-demand air mobility (ODAM) services are revolutionizing our urban/regional transportation sector by exploring the third dimension: vertical airspace. The fundamental concept of on-demand air taxi operations is not new, but advances in aircraft design and battery/engine technology plus massive problems with congestion and increased travel demands around the world have recently led to a large number of studies which aim to explore the potential benefits of ODAM. Unfortunately, given the lack of an established, formal problem definition, missing reference nomenclature for ODAM research, and a multitude of publication venues, the research development is not focused and, thus, does not tap the full potential of the workforce engaged in this topic. This study synthesizes the recently published literature on operational aspects of ODAM. Our contribution consists of two major parts. The first part dissects previous studies and performs cross-comparison of report results. We cover five main categories: demand estimation methodology, infrastructure/port design/location problem, operational planning problem, operational constraints’ identification, and competitiveness with other transportation modes. The second part complements the report of aggregated findings by proposing a list of challenges as a future agenda for ODAM research. Most importantly, we see a need for a formal problem definition of ODAM operational planning processes, standard open datasets for comparing multiple performance dimensions, and a universal, multimodal transportation demand model.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 |
| 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