Optimizing fast charger location for hybrid electric bus transit networks
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The electrification of buses running on urban transit networks is one of the many weapons in the battle to limit greenhouse gas emissions. Existing diesel buses can be replaced by new fully electric buses or retrofitted to become hybrid. The latter is an interesting alternative in markets where electrification budgets are limited. Hybrid buses can run both on diesel and electric drive modes. They are typically equipped with low-capacity but fast-charging energy storage devices. As a result, their electric range is limited, but they can quickly charge en route while executing their tasks. In this paper, we devise a mixed integer programming model and two versions of a branch-and-check algorithm to locate chargers on multi-line hybrid bus transit networks. More specifically, our methods decide how many chargers to install at each candidate location and what should be the drive mode on each segment of each line in the network. The objective is to maximize the total distance driven using the electric mode. One novelty of our approaches is that they allow for charger sharing between lines. The latter allows for more cost-effective electrification of the network but makes the problem more difficult to solve as line service level and timetabling feasibility constraints become intertwined. We discuss extensive computational experiments on a set of 210 instances based on the transit network of the city of Tours (France). We provide managerial insights into the operational and economic benefits of allowing charger sharing and the trade-offs between increasing the budget and achieving greater electrification.
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.
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 | 0,001 | 0,002 |
| 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 | 0,001 |
| 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 découle