On the Resilience Evaluation of Urban Multimodal Transportation Network Considering Dynamic Travel Demand
Notice bibliographique
Résumé
The urban multimodal transportation network is an essential urban infrastructure for daily mobility, while it is vulnerable to severe disturbances. Existing research often evaluates multimodal network resilience and criticality from either a structural or operational perspective, overlooking its multidimensional characterization. Most studies incorporating dynamic demand are conducted at daily or hourly intervals, neglecting finer temporal granularity that better captures network resilience and criticality. To address these gaps, this study proposes a comprehensive resilience evaluation method for multimodal transportation networks by integrating network structure and function. Node criticality is identified using a novel demand growth rate indicator. Various disturbance scenarios, including random and deliberate disturbances, are constructed to simulate sudden events, considering the impacts of the disturbance scale and intensity of nodes or edges. Moreover, an affected demand redistribution model is developed by combining graph convolutional network (GCN) and the Logit model, considering travel time, distance, transfer numbers, and path complexity. The proposed methods are applied to the multimodal transportation network in Tianjin, China, using transit smart card transaction data. Results reveal multimodal networks exhibit better resistance from a structural perspective, while the subway network achieves higher efficiency when the disturbance scale is less than 0.2. A threshold effect emerges between disturbance scale and residual passenger capacity. Node disturbances cause an average of 21% higher performance losses than edge disturbances. This method quantifies resilience and identifies the critical nodes considering minute-level dynamic travel demand, dynamic demand between nodes, and travel behaviors. These insights support decision-makers in generating more effective response strategies.
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 | 0,010 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».