Assessing Spatial Synergy Between Integrated Urban Rail Transit System and Urban Form: A BULI-Based MCLSGA Model With the Wisdom of Crowds
Notice bibliographique
Résumé
Spatially synergizing the urban rail transit (URT) network integrated with its feeder transit system and the urban form plays an important role in improving the effectiveness of URT in mitigating traffic congestion, reducing air pollution, optimizing urban spatial structure, etc. This article mainly focuses on assessing the spatial synergy between the two parts by specifying the assessment criteria that can effectively characterize the spatial synergic mechanism between the two parts and developing a novel multicriteria large-scale group assessment (MCLSGA) model, in which basic uncertain linguistic information (BULI), as an extended form of fuzzy linguistic approach, is used to model and process the subjective assessment information (Assess-Inf) elicited by experts. In order to alleviate the computing complexity, an agglomerative hierarchical clustering algorithm is introduced to cluster the Assess-Inf given by a huge number of experts as per the organizers’ expected discrimination level on reliability-related Assess-Inf. A method for weighting the clusters is then proposed to control the roles played by the items of the Assess-Inf, representing each cluster and having different reliability levels in their fusing process to tap into wisdom of crowds (WOC) while accommodating the organizers’ trust level in the reliability-related Assess-Inf given by experts. Afterward, the best–worst method is extended to the BULI-based large-scale group assessment context with the aim of accurately weighting the criteria by drawing on WOC. Finally, a case study on assessing the spatial synergy between Chongqing’s integrated URT system and urban form is conducted to validate the validity of the proposed MCLSGA model.
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 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».