MétaCan
Menu
Retour à la cohorte
Enregistrement W4220742330 · doi:10.1155/2022/8895935

Research on Coordinated Passenger Inflow Control for the Urban Rail Transit Network Based on the Station-to-Line Spatial-Temporal Relationship

2022· article· en· W4220742330 sur OpenAlexvenueno aff
Ruixia Yang, Weiteng Zhou, Baoming Han, Dewei Li, Bin Zheng, Fangling Wang

Notice bibliographique

RevueJournal of Advanced Transportation · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueTransportation Planning and Optimization
Établissements canadiensnon disponible
Organismes subventionnairesFundamental Research Funds for the Central UniversitiesBeijing Municipal Natural Science FoundationBeijing Jiaotong UniversityNational Natural Science Foundation of China
Mots-clésInflowBeijingUrban rail transitVolume (thermodynamics)Transport engineeringControl (management)Control volumeFlow (mathematics)Level of serviceLine (geometry)Computer scienceEngineeringMeteorology

Résumé

récupéré en direct d'OpenAlex

This study proposes a coordinated inflow control organization for the urban rail transit network to improve train capacity utilization and reduce inbound delay rate, considering existing operational requirements and station-to-line spatial-temporal relationship of passenger flow. The coordinated passenger flow control model is proposed with the objective to maximize the inbound flow rate and the train full load rate. A station-to-line spatial-temporal correlation formula is constructed to characterize the relationship between station inbound passenger volume and section passenger volume. A two-stage approach is employed to solve this passenger flow control problem. The proposed model and solution strategy are evaluated on a well-known Beijing network with 10 operating lines. The refined inflow control scheme is displayed with the accurate inbound volume at each station during each time period. The comparison between the proposed control strategy and the current control strategy shows that the former can effectively improve the service level and capacity utilization.

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)0,004
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,902
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0020,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,046
Tête enseignante GPT0,343
Écart entre enseignants0,296 · 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.

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

Citations4
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

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