Crowding Perception Thresholds of Passengers in Urban Rail Transit: A Study of Differences in Spatiotemporal Dimensions
Notice bibliographique
Résumé
This paper focuses on the differences in crowding perception among different types of passengers in trains, aiming to optimize passenger experience and improve the level of service of urban rail transit. Based on data from a passenger survey on the Beijing subway, this paper introduces the concept of Crowding Perception Threshold (CPT) and analyzes the principle of passenger spatiotemporal crowding. Considering factors such as gender, age, travel purpose, and standing density of passengers, the paper constructs a quantitative model of crowding perception using the ordered logit model and proposes a method for classifying the level of service accordingly. The study results indicate that the CPTs for all types of passengers range from 91.8% to 101.6%, with the females, elderly individuals, and noncommuters showing greater sensitivity to crowding. In the temporal dimension, all types of passengers have higher CPTs during peak hours than during off‐peak hours, influenced by passengers’ crowding expectations. In the spatial dimension, the level of service for most types of passengers is considered crowded at standing densities of 6‐7 pax/m 2 during peak hours, while the level of service for all types of passengers is deemed to be very crowded at 8 pax/m 2 , at which point additional passengers are not recommended.
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 ».