Notice bibliographique
Résumé
With advances in mobile technologies, social networks and global positioning (GPS) in the digital world, alternative mobility systems (taxis, carpool, demand-responsive services, peer-to-peer ridesharing, carsharing) have garnered interest from both public and private sectors as potential solutions to address last mile problem in public transit. Although there are number of models to optimize flexible or dynamic transit operations there has not been any methodology to evaluate equilibrium demand and effect on social welfare for these systems in an integrated supply-demand context. This study lays the groundwork for studying the equilibrium of these systems, and proposes an agent-based adjustment process to evaluate the properties of a stable sate as an agent-based stochastic user equilibrium (SUE). Four sets of experiments are conducted: (1) illustration with a simple 2-link network, (2) evaluation of a dynamic dial-a-ride policy, and (3 &4) illustration using real data from Oakville, Ontario & Manhattan, NY. The experiments demonstrate that the proposed model with multiple sample populations can generate an invariant distribution of demand and welfare effects and it can effectively be used to measure the effect of changes in flexible transport services operation policies on ridership. Moreover, this study also explores flexible transport services as two-sided markets, and extends the proposed agent-based day-to-day adjustment process to include day-to-day adjustment of the service operator(s) as a two-sided market. Additional computational experiments and a case study are conducted. Findings confirm the existence of thresholds from which network externalities cause two-sided and one-sided market equilibria to diverge. The Ramsey pricing criterion is used for social optimum to show that perfectly matched states from the proposed day-to-day process are equivalent to a social optimum. A case study using real data from Oakville, Ontario, as a first/last mile problem example demonstrates the sensitivity of the two-sided day-to-day model to operating policies.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,016 | 0,044 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 source (Gemma direct ou Codex distillé), 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 ».