Intelligent Transportation Systems Investment Evaluation: To Purchase or Lease
Notice bibliographique
Résumé
The use of intelligent transportation systems (ITS) is increasing as further attempts are made to alleviate traffic problems by means other than expanding the physical capacity and size of roadways. ITS field trials have demonstrated various benefits associated with individual applications and integrated systems. However, few agencies have considered the option of leasing the ITS applications and therefore no guidance or framework exists to evaluate the purchase/lease options. This paper presents and tests a methodology to analyze ITS investment strategies. A number of economic evaluation frameworks and criteria were considered. Of the considered criteria, the net present value (NPV) criterion was selected and, in particular, life cycle cost analysis (LCCA) was determined to be the most relevant evaluation method. The LCCA method was tested for a case study and was shown to provide relevant and meaningful results. Overall, it is believed that the LCCA methodology is the most valid for comparing investment alternatives. Finally, in order to fully assess which investment option is preferred, it was determined that the analyst must know or be able to estimate what the anticipated usage of the ITS application(s) will be in the future. This paper was written and submitted as credit for an asset management graduate course at the University of Calgary during the 2005/2006 academic year. In the Fall 2005 term, an asset management reading course introduced and discussed the concepts of asset management. A pavement management course in the Winter 2006 term introduced more specific pavement management concepts and economic evaluation tools, which can be extrapolated to other asset classes. This paper represents the combination of concepts and information provided in the asset management reading course and introduced in the pavement management course.
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 | 0,008 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».