The WCTRS global subway efficiency benchmarking task force inaugural report: The key findings, lessons learned, policy issues investigated
Notice bibliographique
Résumé
This study presents the key summary of the inaugural report of the WCTRS Global Subway Efficiency Benchmarking Task Force, focusing on evaluating the operating efficiency of subway systems across Asia, Europe, and North America. Given the increasing need for urban transit authorities to balance multiple objectives, such as reducing greenhouse gas emissions and enhancing public health, this benchmarking initiative provides a crucial assessment of their productivity and efficiency of operations. We employed the Variable Input Productivity (VIP) method intelligently computed by the translog multilateral indexing method, chosen over DEA due to its transitive properties and better suitability for policy applications. Our analysis measures the VIP index, specifically examining labor and soft input productivities, to gauge how efficiently subway systems utilize their variable resources. By adjusting for factors beyond management control through regression analysis, we derived Net VIP scores, offering a more accurate comparison across different cities. The results reveal significant variations in efficiency levels, with some cities demonstrating remarkable productivity despite limited resources while others lag behind due to structural and operational challenges. Our findings underscore the importance of targeted policy interventions to enhance the efficiency of urban rail systems. Above all, the WCTRS Task Force members who volunteered their time and effort hope to raise awareness of efficiency and productivity as an important aspect of managing and operating the subways and other city transit systems. • WCTRS Task Force collaborates to raise global awareness on efficient subway and city transit operations. • Study evaluates subway efficiency in Asia, Europe, and NA, stressing urban transit harmony for diverse goals. • VIP method outperforms DEA for detailed productivity assessment in subway systems. • Cities exhibit efficiency variations; some excel despite limited resources, others face operational challenges. • Policy interventions are vital for enhancing rail system efficiency by adjusting for external factors.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,048 | 0,048 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,007 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,007 | 0,004 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,002 |
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 source (Gemma direct ou Codex distillé), 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 ».