MétaCan
Menu
Retour à la cohorte
Enregistrement W3209986075 · doi:10.1109/access.2021.3122087

Bus Trajectory Optimization With Holding, Speed and Traffic Signal Actuation in Controlled Transit Systems

2021· article· en· W3209986075 sur OpenAlexafffundabout
Lucas Zimmermann, Leandro C. Coelho, Werner Kraus, Rodrigo Castelan Carlson, Luiz Alberto Koehler

Notice bibliographique

RevueIEEE Access · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueTransportation Planning and Optimization
Établissements canadiensUniversité Laval
Organismes subventionnairesConselho Nacional de Desenvolvimento Científico e TecnológicoNatural Sciences and Engineering Research Council of CanadaMinistério da EducaçãoCoordenação de Aperfeiçoamento de Pessoal de Nível Superior
Mots-clésTrajectoryComputer scienceSIGNAL (programming language)Transit (satellite)Control theory (sociology)Trajectory optimizationReal-time computingEngineeringTransport engineeringControl (management)PhysicsPublic transportArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

We propose an optimal actuation of operational commands for regularizing bus headways. Assuming that a transit headway control system manages the bus operation by issuing reference arrival times at the next station for a bus, the problem is how to implement the control decisions for the bus in terms of three nonexclusive alternative actions: holding the bus at stops; varying bus speeds; and controlling traffic lights. Mathematical programming provides the basis of the approach. The constraints specify the bus trajectory model and the operator objectives are formulated as a multi-objective cost function solved by a lexicographic method. Results for a bus run on a single segment between two stops highlight the properties of the solution. A simulation study of an entire transit corridor in Quebec City, Canada, shows the advantage of the method over both headway control based on pure holding at stops and on one that combines holding and absolute transit signal priority.

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)0,000
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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,093
Score d'incertitude au seuil0,369

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 savante0,0000,001
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 Opus0,026
Tête enseignante GPT0,291
Écart entre enseignants0,266 · 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

Citations14
Publié2021
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueIEEE AccessMême sujetTransportation Planning and OptimizationTravaux en français237 207