Last-Mile Shuttle Planning for Improving Bus Commuters’ Travel Time Reliability: A Case Study of Beijing
Notice bibliographique
Résumé
This study proposes a multiobjective mixed integer nonlinear programming model for a last-mile shuttle service to improve bus commuters’ travel time reliability. The approach aims to assign the routes that pick up the transit passengers located at the different stops by shuttle service. A bilevel optimization model is established: the upper model of route design considers the tradeoff between time cost and fare cost when some of the passengers take the shuttles, and the lower model assigns the demand of transit passengers. The proposed model effectively captures the reliability of travel time because related parameters are estimated by a statistical fitting test with a large number of real-world bus geographic information system (GPS) data. Moreover, dynamic demand diverting from conventional transit to shuttle service and travel time reliability, including passenger in-vehicle time (IVT) and waiting time (WT), are fully considered in this model. Since the task is a nonlinear programming model, a two-stage algorithm combined with linearization processing is presented to find an optimal solution. Finally, from the case study of Zhongguancun Software Park zone in Beijing, it is indicated that when last-mile shuttle service is provided, bus passengers’ travel time reliability of last-mile trips can be improved by 14%. The study can be an important reference for improving the low reliability widely existing in the current transit commuters’ last-mile problem.
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 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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».