Criticality-Based Model for Rehabilitating Subway Stations
Notice bibliographique
Résumé
Criticality-Based Model for Rehabilitating Subway Stations M. Abouhamad, T. Zayed Pages 1296-1304 (2013 Proceedings of the 30th ISARC, Montréal, Canada, ISBN 978-1-62993-294-1, ISSN 2413-5844) Abstract: According to the Canadian Urban Transit Association (CUTA), 140 Billion CAD is required to maintain, rehabilitate, and replace subway infrastructure between 2010 and 2014. The current practice adopted by transit authorities for prioritizing subway stations for rehabilitation is based on the station structural needs. While this classification is reflective of station condition, other factors, such as station size, location and passenger capacity, play an important role. The criticality of a station is an index that represents the functional importance of a station depending upon a set of identified factors. The system criticality is based on several attributes, such as station location, size, and nature of use. This paper presents a novel method of clustering subway stations for rehabilitation priority based on their criticality level. The different stations in a subway network are rated according to their relative importance against predefined attributes. The weights and scores of the attributes are computed with the help of experts and current subway network data. The analysis is done using the Fuzzy Analytic Network Process (FANP) to accommodate the subjectivity of human judgment as being expressed in natural language which entails 'fuzziness' in real-life problems and account for the interdependency between the selected attributes. The output of the model is a criticality based clustering of subway stations. The proposed framework helps authorities prioritize stations for rehabilitation and highlight stations with more criticality for a more robust asset analysis. Keywords: Subway stations, criticality Index, Fuzzy Analytic Network Process, Fuzzy Preference Programming DOI: https://doi.org/10.22260/ISARC2013/0146 Download fulltext Download BibTex Download Endnote (RIS) TeX Import to Mendeley
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».