An Optimization Approach considering Passengers’ Space-Time Requirements for Bus Bridging Service under URT Disruption
Notice bibliographique
Résumé
Rapid urbanization and growth of population in megacities generate severe pressures on urban rail transit (URT) system. The quantity and frequency of disruptive events have increased significantly, which might have obvious adverse impacts. A large number of passengers are stranded at disrupted URT station when a disruptive event occurs. One essential solution for passenger evacuation is the bus bridging service. This paper is aimed at addressing the passenger evacuation problem caused by a disruptive event in the URT network, by proposing a bus bridging service model considering the passengers’ space-time requirements. The model is proposed to minimize the waiting time of passengers and considers factors including bus service capacity limitations, bus stop parking capacity, and the maximum bridging time limit of a single bus. Buses are assumed to provide bridging service on either the local bus route or the direct bus route. The optimal routes and scheduling plans of bridging bus are designed. The model is applied to an example of a disruptive event in Shanghai URT line 9. The results of this example show that the proposed model is capable of reducing the waiting time of passengers and the number of buses used by 3.2% and 24.7%, compared with the traditional bus bridging service. Further analysis of the example shows that it is not a cost-effective solution to reserve a large number of buses for URT disruption. Decision-makers should comprehensively trade off between passengers’ space-time demands and monetary costs of bus bridging service.
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 distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».