Trip Reservation and Intelligent Planning (TRiP) for a Hyper-congestion-free Traffic System: In the Context of Pervasive Connectivity, Driving Automation and MaaS
Notice bibliographique
Résumé
In most cities worldwide, demand for travel exceeds the existing limited road capacity, which causes extended hours of hyper-congestion every day. Hyper-congestion starts when and where demand exceeds capacity on a link, a road or an area, causing capacity loss and severe performance degradation. In this thesis, we design and develop a proof-of-concept system for a trip-level, link-based, in-advance trip reservation and intelligent planning system, dubbed “TRiP”. TRiP is a network-wide methodological system and software platform that facilitates the pacing of travel demand into the existing road network without exceeding the link-level capacity. The system is intended for real-time application, using a dynamic, disaggregated, spatiotemporal, in-advance reservation approach. This thesis introduces three different interconnected pillars. The first is TRiP Abstraction (TRiNAT), which is a set of network abstraction tools developed to facilitate micro traffic management systems. The second pillar is TRiP Assignment (TRiFree), which is a novel traffic assignment algorithm for trip-level, link-based, in-advance reservation traffic control systems that aim to keep all road links hyper-congestion-free. TRiFree, coupled with TRiNAT and a frontend reservation app, create the third pillar: the Trip Reservation and Intelligent Planning (TRiP) platform.To ensure the scalability of the proposed methodology to practical city and region sizes, TRiP was tested on the Toronto, Canada, road network, which includes more than 8,434 road links and serves more than 501,800 vehicles during the peak of the weekday morning commute. Our results show a very promising reduction in total travel time of 18.9-26.6% and a reduction in total travelled distance of 0-2%. The simulation results of the various scenarios outperform existing techniques and introduce a holistic robust solution for enjoying a hyper-congestion-free road network. Unlike other propositions in the literature, TRiP is scalable for larger road networks. Therefore, this thesis offers a major contribution to state-of-the-art and state-of-the-practice traffic control systems.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| 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 | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».