MétaCan
Menu
Retour à la cohorte
Enregistrement W4394784782 · doi:10.1049/itr2.12512

Flexible optimal bus‐schedule bridging for metro operation‐interruption

2024· article· en· W4394784782 sur OpenAlexaff
Yuanwen Lai, Jianhong Liang, Yinsheng Rao, Yanhui Fan, Renyan Zhan, Said M. Easa, Shuyi Wang

Notice bibliographique

RevueIET Intelligent Transport Systems · 2024
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueTransportation Planning and Optimization
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesFuzhou University
Mots-clésBridging (networking)Scheduling (production processes)ScheduleComputer scienceEngineeringTransport engineeringComputer networkOperations management

Résumé

récupéré en direct d'OpenAlex

Abstract Under the sudden interruption of the metro, it is significant to dispatch emergency bridging buses to evacuate stranded passengers to improve linkage management and service reliability. Aiming at the problem of emergency bridging bus scheduling, considering the remaining capacity of conventional buses, passenger tolerance, and site convenience, a flexible combined emergency bridging bus scheduling model is constructed based on the constraints of vehicle capacity, dispatching capacity, and maximum evacuation times of emergency bridging bus, aiming at minimizing the maximum evacuation time and passenger delay. The improved Harris hawk algorithm is used to solve the model, and the evacuation plan of the demand‐responsive and station‐station bridging lines is obtained. The maximum evacuation time is 41 min, and the average delay of stranded passengers is 19 min. The results show that the maximum evacuation time is 10% and 27% less than the fixed combined and single scheduling. The average delay is 16% and 42% less than the fixed combination and traditional single scheduling. The sensitivity analysis of the influencing factors of emergency bridging bus scheduling is conducted. The results show that the flexible combined emergency bridging bus scheduling model constructed in this paper can improve evacuation efficiency and reduce passenger travel delays.

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)0,000
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 enseignants0,017
Score d'incertitude au seuil0,033

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
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 Opus0,067
Tête enseignante GPT0,358
Écart entre enseignants0,291 · 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

Citations4
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIET Intelligent Transport SystemsMême sujetTransportation Planning and OptimizationTravaux en français237 207