Operational Efficiency Comparison and Transportation Resilience: Case Study of Nanjing, China
Notice bibliographique
Résumé
With the changes in global climate, adverse weather events appear to be more frequent. The efficiency, reliability, and safety of transportation operations can be compromised by extreme weather conditions. It is critical to analyse the spatiotemporal effects of extreme weather on the operational efficiency of transportation operational efficiency for meeting people’s travel and transport needs and formulating emergency management operation to prevent road congestion. It is also important to improve the resilience of transportation system. We compared the changes in transportation operational efficiency in Nanjing during normal weather on January 23 and snowstorm on January 25, 2018, using real-time travel data from Gaode Map. The results indicate that there are differences in the distribution of accessibility changes from different residential areas to the main city area in the morning peak. Overall, 90% of the accessibility change values are concentrated in −10 to 10 minutes, while 65% are concentrated in −5 to 5 minutes, and 70% of the rangeability of accessibility is concentrated in −20% to 20%. In a word, the travel in Nanjing in the snowstorm weather is basically normal. This observation is mainly due to the overnight snow removal and the reduction in the number of small car trips. In addition to the Xinjiekou area, the Hexi business district and the exit area of the cross-river tunnel should also be included in the key management areas for taking emergency management operation in the future.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».