MétaCan
Menu
Retour à la cohorte
Enregistrement W4387541971 · doi:10.1080/23249935.2023.2266508

Assessing transportation network redundancy by integrating route diversity and spare capacity

2023· article· en· W4387541971 sur OpenAlexaboutno aff
Zijian Wang, Xiangdong Xu, Yuchuan Du

Notice bibliographique

RevueTransportmetrica A Transport Science · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueTransportation Planning and Optimization
Établissements canadiensnon disponible
Organismes subventionnairesFundamental Research Funds for the Central UniversitiesNational Key Research and Development Program of ChinaNational Natural Science Foundation of China
Mots-clésSpare partRedundancy (engineering)Computer scienceFlow networkTravel timeMeasure (data warehouse)Operations researchTransport engineeringData miningEngineeringMathematicsOperations managementMathematical optimization

Résumé

récupéré en direct d'OpenAlex

In this paper, we develop a new transportation network redundancy measure by integrating the route diversity and spare capacity dimensions, which have been demonstrated as two complementary dimensions of redundancy and assessed separately in the literature. Instead of modelling redundancy as two separate measures with significantly different units and scales, an integrative measure is beneficial for comprehensive comparison and selection of redundancy enhancement schemes. Specifically, we represent the transportation network by adding a virtual link directly connecting each origin-destination (O-D) pair. The virtual link choice probability is affected by both the route diversity of the O-D pair and the spare capacity of these routes, which is used in the proposed measure. Numerical examples in the realistic Winnipeg network are conducted. The effectiveness of the proposed measure is further verified by applying it to identify the critical links in the Shanghai Expressway Network, where a severe traffic accident happened in 2016.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,043
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,010
Études des sciences et des technologies0,0070,001
Communication savante0,0000,003
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,054
Tête enseignante GPT0,305
Écart entre enseignants0,251 · 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 tête enseignante, pas un consensus.

Devis d'étudeObservationnel
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

Citations8
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTransportmetrica A Transport ScienceMême sujetTransportation Planning and OptimizationTravaux en français237 207