MétaCan
Menu
Retour à la cohorte
Enregistrement W7154457779 · doi:10.1109/icat2i69744.2025.11472716

Modeling and Simulation of Transportation Systems: From Theory to Practice

2025· article· W7154457779 sur OpenAlexaff
Mohammed Chamcham, Abdelaaziz Bouyahiaoui, Abderrazzak Lamriss, Naoufal Haddour

Notice bibliographique

Revuenon disponible
Typearticle
Langue
DomaineDecision Sciences
ThématiqueSimulation Techniques and Applications
Établissements canadiensArtificial Intelligence in Medicine (Canada)
Organismes subventionnairesnon disponible
Mots-clésModeling and simulationSimulation modelingMathematical modelField (mathematics)System dynamics

Résumé

récupéré en direct d'OpenAlex

This paper presents a broad perspective on the modeling, optimization, and simulation in the planning, designing and controlling of modern transportation systems discussing its importance for operational performance and decision making. Highly sophisticated analytical tools can no longer be disregarded when considering the development of low-cost, environmentally friendly and sustainable transport systems in urban centers and to satisfy the increasing mobility demand at a global level. The paper begins by providing the theoretical background on transport modeling, which goes from macroscopic flow models to agent-based simulations. It further discusses the combined use of optimization and simulation tools for infrastructure project assessment and traffic management in real time. With a structured four-axis approach, the paper analyses: (1) Fundamental concepts of transport system modeling; (2) Optimization and Simulation in infrastructure projects; (3) Socio-economic and environmental impacts with Moroccan case studies; and (4) The transformative role of digital twins and artificial intelligence. Moroccan projects also point the way how strategically planned model-supported infrastructure investment can support economic growth and improve urban living, for instance in Casablanca and Rabat. However, it also reveals long-term issues of data governance, social equity and institutional capacity. This and other tools discussed have enormous potential but their successful use is dependent on strong data ecosystems, the breaking down of disciplinary silos and a firm commitment to equitable and sustainable urban development. We also elaborate remaining challenges in those models, including uncertainty treatment and algorithmic fairness, along with future research directions on filling the gaps which can help promote the development of new intelligent/ humanist transportation 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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,015
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,029

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,015
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0010,006
Communication savante0,0080,006
Science ouverte0,0040,004
Intégrité de la recherche0,0040,005
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,066
Tête enseignante GPT0,433
Écart entre enseignants0,367 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetSimulation Techniques and ApplicationsTravaux en français237 207