MétaCan
Menu
← Retour à la cohorte
Enregistrement W4285389445 · doi:10.1155/2022/9372011

Design of Two-Regional Flexible-Route Bus Systems considering Interregional Demands

2022· article· en· W4285389445 sur OpenAlexvenueno aff
Siqing Wang, Jian Wang, Lang Song, Zhipeng Niu, Xiaowei Hu

Notice bibliographique

RevueJournal of Advanced Transportation · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueTransportation Planning and Optimization
Établissements canadiensnon disponible
Organismes subventionnairesMajor Research PlanNational Natural Science Foundation of China
Mots-clésReservationPublic transportComputer scienceTransport engineeringSensitivity (control systems)Process (computing)Function (biology)Service (business)Mode (computer interface)Transit (satellite)Operator (biology)Operations researchMathematical optimizationEngineeringComputer networkMathematicsEconomics

Résumé

récupéré en direct d'OpenAlex

The flexible-route bus system is a type of dynamic public transit service. Routes and timetables are not fixed during the operation process, and driving routes are planned according to passengers’ reservation needs. This study develops a model that considers inter-regional travel demands. The optimal network layout is determined by minimizing an objective function that comprises operator and user costs. Then, two cases with and without loop-line buses are analyzed. In the case of the joint optimal solution, the parameter values of region side width, region angle, and cost components are compared. Results indicate that regional flexible transit is suitable for operation in areas with low demand density. Within certain ranges, increases in vehicle capacity and in the number of circle layers result in additional average total costs. Furthermore, adopting a mode with a loop is better when numerous inter-regional demands exist. The findings derived from numerical and sensitivity analyses can be used as planning guides for designing flexible-route bus systems.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,008
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,043
Tête enseignante GPT0,310
Écart entre enseignants0,267 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Advanced Transportation→Même sujetTransportation Planning and Optimization→Travaux en français237 207→