Beyond traditional metrics: Redefining urban metro network vulnerability with redundancy assessment
Notice bibliographique
Résumé
Previous studies have predominantly analyzed Urban Metro Network (UMN) vulnerability from topological and functional perspectives, often neglecting the impact of disruptions on alternative route availability. This research introduces a novel redundancy-based vulnerability analysis, assessing the reduction in travel alternatives following disruptions. The Montreal UMN is used as a case study , utilizing General Transit Feed Specification (GTFS) data from the Montreal Transit Authority and trip data from the 2018 Montreal Origin-Destination survey. Using the open-source platform Transition, we simulate shortest transit routes for each trip, generate alternative routes, and compute travel times. We define one targeted and three random failure scenarios, selected from 100 simulations, to evaluate network vulnerability to various disruption types. Indicators are formulated, calculated, and compared across all scenarios. Each failure scenario involves a sequence of consecutive metro station disruptions, leading to complete network shutdown. Findings reveal that the metro network is significantly more vulnerable to targeted disruptions than random ones. Among all indicators, functional ones related to users' travel time show greater sensitivity to disruption type, be it targeted or random. Vulnerability indicators exhibit the most substantial changes during initial disruptions, highlighting their critical impact. Although traditional approaches (topological and functional) show a direct relationship between the number of disruptions and changes in vulnerability indicators, this is not true for the redundancy-based vulnerability indicator. In this case, the primary determinants are the locations of disrupted stations and the network's geometry, rather than the number of disruptions.
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 | 0,001 |
| 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 ».