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
Cycling has been considered as a healthy, environmentally friendly, and economical alternative mode of travel to motorized vehicles (especially private motorized vehicles). However, bicycles have often been neglected in the transportation planning and travel demand forecasting modeling processes. The current practice in modeling bicycle trips in a network is either nonexistent or too simplistic. Current practices are simply based on the all-or-nothing (AON) assignment method using single attributes such as distance, safety, or a composite measure of safety multiplied by distance. The purpose of this paper is to develop a two-stage traffic assignment model by considering key factors (or criteria) in cyclist route choice behavior. As an initial effort, the first stage considers two key criteria (distance-related attributes and safety-related attributes) to generate a set of nondominated (or efficient) paths. These two criteria are a composite function of subcriteria. Route distance consists of link distances and intersection turning penalties combined to give the distance-related attribute, while route safety makes use of the bicycle level of service (BLOS) measure developed by the Highway Capacity Manual (HCM) to determine the safety-related attribute. Efficient paths are generated based on the above two key criteria with a biobjective shortest path algorithm. The second stage determines the flow allocation to the set of efficient paths. Several traffic assignment methods are adopted to determine the flow allocations in a network. Numerical experiments are then conducted to demonstrate the two-stage approach for bicycle traffic assignment. Overall, the results of the Winnipeg network demonstrate the applicability of the two-stage bicycle traffic assignment procedure with the flexibility of using different criteria in the first stage to generate efficient paths and different traffic assignment methods in the second stage to allocate flows.
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 | 0,001 | 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 | 0,001 |
| 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 découle