Flexible Scheduling Model of Bus Services between Venues of the Beijing Winter Olympic Games
Notice bibliographique
Résumé
Traditional buses travel on fixed routes and areas, which cannot satisfy the flexible demands of athletes in the context of COVID-19 and the closed-loop traffic management policy during the 2022 Beijing Winter Olympic Games (BWOG). This study predicts the travel demands based on the characteristics of athletes’ daily travel demands and then presents a flexible bus service scheduling model for cross-region scheduling among Beijing, Yanqing, and Zhangjiakou to provide high-level service. The flexible bus service is point-to-point and avoids unnecessary contact, which reduces the risk of spreading COVID-19 and ensures athletes’ safety. In this study, the flexible bus scheduling model is established to optimize scheduling schemes, whose object is to minimize the cost of the system based on some realistic constraints. These constraints consider not only the preferred time windows of athletes’ demand but also the vehicle’s capacity, depot, minimum load factor, total demands, etc. In addition, a genetic-simulated annealing hybrid algorithm (GSAHA) is designed to solve the model based on the characteristics of the genetic algorithm (GA) and simulated annealing. To assess the feasibility and efficiency of the model and algorithm, a case study is conducted in the Beijing-Yanqing area. Furthermore, the travel time of the flexible bus is compared to that of the traditional bus, according to the results of the case study. Moreover, the sensitivity of the model and algorithm are analyzed. The experimental results show that the proposed model and algorithm can dispatch buses with superior flexibility and high-level services during the BWOG.
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 | 0,000 | 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 ».