Innovative On-Demand Transit for First-Mile Trips: A Cutting-Edge Approach
Notice bibliographique
Résumé
As a result of the lack of access to efficient public transit in suburban areas, residents often have to use their own vehicles to commute either within the area, to neighboring regions, or to a public transit hub (PTH). Thanks to information and communication technologies, on-demand transit (ODT) is a potential solution being proposed and considered by transit agencies. Although ODT has shown the potential to enhance transit level of service, its efficiency depends on different parameters such as demand spatial and temporal distribution or the configuration of the service. In this study, we propose a novel configuration for an ODT service and apply it to the first part of a commuter’s trip, or the commuter’s “first mile.” The proposed configuration depends on the availability of smart devices installed at bus stops. Passengers request their rides via smart devices and receive real-time and personalized information about their ride requests to travel to a PTH. The proposed ODT service is modeled with the Simulation of Urban Mobility or SUMO simulation framework. To evaluate the performance of the ODT service, it is applied to the city of Terrebonne in Quebec, Canada. The proposed service is compared with existing bus transit operating in the area as well as a door-to-PTH service. The results of the comparison analysis reveal that the proposed ODT service may result in a significant 36% reduction in total travel time as well as a 41% reduction in detour time compared with the existing bus transit service. A detailed sensitivity analysis is also conducted to capture the impacts of different parameters, variables, and dispatching algorithms on the service performance.
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 | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,003 |
| 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 ».