Étude comparative de divers modèles pour le problème de transport à la demande
Notice bibliographique
Résumé
Le problème de transport à la demande consiste à déterminer les tournées et horaires des véhicules qui effectuent le transport d'usagers à leur demande. Ce problème se pose, par exemple, dans le transport adapté de personnes handicapées ou âgées. Le problème de transport à la demande se diférencie des problèmes classiques de cueillettes et livraison puisque ce sont des personnes qui sont transportées. Il est alors naturel de tenir compte du niveau de service offert en plus des coûts encourus. La conception d'un système automatisé de transport à la demande doit donc chercher un équilibre entre les coûts d'opération et la qualité du service. Pour la version statique du problème, plusieurs modèles et algorithmes capables de produire des solutions de bonne qualité sous diverses contraintes liées à la performance ou au bien-être des usagers existent déjà. Par contre, à la connaissance des auteurs, il n'existe aucune étude systématique sur les meilleurs compromis à atteindre entre les coûts de transport et le niveau de service souhaitable. Cet article vise à combler cette lacune. Pour ce faire, onze modèles ont été implantés et les résultats obtenus ont ete comparés. La fonction objectif de chacun de ces modèles comprend deux termes, le premier représentant les coûts de transport et le deuxième représentant le niveau de service (ou les conditions de travail des chauffeurs). Des analyses de sensibilité ont été effectuées en modifiant le poids associé au deuxième terme des fonctions objectif.
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 | 0,003 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,001 |
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 ».