Optimizing Mass Transit Utilization in Emergency Evacuation of Congested Urban Areas
Notice bibliographique
Résumé
This paper presents how the capacity of mass transit can be optimally operated to alleviate congestion pressure during the evacuation of busy urban areas. The proposed model extends the traditional vehicle routing problem (VRP) to include: Multiple Depots to better distribute the transit fleet, Time Constraints to account for the evacuation time window, and constraints for Pick-up and Delivery locations of evacuees. The evacuation problem is hereafter defined as a Multi-Depot Time Constrained Pick-up Delivery Vehicle Route Problem (MDTCPD-VRP). A framework, using Constraint Programming (CP), is developed to model and solve the MDTCPD-VRP evacuation problem. An Optimal Spatoi-Temporal Evacuation (OSTE) model is performed first to optimize the evacuation of the background vehicular traffic, generating transit travel cost (i.e. link travel times) as an input to the MDTCPD-VRP. We apply our methodology on a case study of a hypothetical evacuation event in the busiest core of the downtown area of the City of Toronto, Ontario, with 65% of total evacuees are transit-dependent. The results show the optimal scheduling and routing plan for transit-vehicles as the solution to the evacuation problem defined as MDTCPD-VRP. The equilibrium mode-split between traffic and transit (at which the total vehicle-travel time is equal for vehicular drivers and transit users) is found to be at 25% and 75%, respectively.
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 | 0,012 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,003 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».