MétaCan
Menu
Retour à la cohorte
Enregistrement W4254621146 · doi:10.1016/j.trpro.2019.05.029

Modeling and managing congested transit service with heterogeneous users under monopoly

2019· article· en· W4254621146 sur OpenAlex
Junlin ZHANG, Hai Yang, Robin Lindsey, Xinwei LI

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueTransportation research procedia · 2019
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueTransportation Planning and Optimization
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesLeibniz-Gemeinschaft
Mots-clésMonopolyMicroeconomicsEconomic surplusCrowdingEconomicsShadow priceWillingness to payProfit (economics)Service (business)Constraint (computer-aided design)ExternalityValue (mathematics)Computer scienceMarginal costCrowding outCrowdsEconometricsOperations researchMathematical optimizationEngineeringMathematicsComputer security

Résumé

récupéré en direct d'OpenAlex

We develop and study a model of congested transit service under monopoly when potential users differ in their characteristics. Given travel time delays and crowding externalities, general user heterogeneity is characterized in a three-dimensional space of value of time, value of crowding, and willingness to pay. A unique user demand equilibrium is shown to exist. The operator chooses the fare and service frequency to maximize a weighted sum of profit and consumers’ surplus. The socially optimal fare consists of marginal operating cost, external user congestion cost, and a nonnegative shadow price on the vehicular capacity constraint which may or may not bind. A cost-recovery formula is also derived. Two methods for optimal design capacity are proposed that differ as to whether fare and frequency are exogenous or set conditional on capacity choice. Two numerical examples, one without and one with crowding, are presented to illustrate the theoretical results.

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.

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)0,001
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 enseignants0,310
Score d'incertitude au seuil0,989

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
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 Opus0,055
Tête enseignante GPT0,343
Écart entre enseignants0,288 · 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