Proof-of-concept for methodological framework to evaluate operational strategies with travel demand models
Notice bibliographique
Résumé
Recently, limited available resources for physical capacity expansion have generated supports for short-term operational improvements. Yet, only a few studies have dealt with evaluating these operational strategies effectively within the traditional transportation planning process even though suitable operational strategies impact to not only specific corridors or regions but also the whole transportation network. This is because it is generally perceived that integrating travel demand models with operational analysis approaches is quite difficult due to different constraints, modeling structures, and required data sets. In this regard, the concept of methodological framework to evaluate operational strategies with travel demand models is developed and validated by the proper case study (i.e., high occupancy toll lanes deployment in the Hampton Roads area in Virginia, US) in this research. The proposed framework consists of three major components: (i) the selection of an appropriate operational analysis approach, (ii) the disaggregation of daily traffic volumes to peak period volumes, and (iii) the alignment of modeling elements between the travel demand model and operational tool. Key contributions from this research are that (i) the proposed methodology enables the evaluation of travel behavioral changes without microscopic simulation, especially in terms of capturing network flow pattern changes caused by behavioral shifts after operational strategy deployment, (ii) the proposed framework eliminates assumptions required when only operational tools are used to evaluate operational strategies, (iii) the disaggregation method of a daily trip distribution matrix into peak period matrices by using survey data are developed, (iv) specific details influencing integration in terms of data types, peak period link capacity, volume-delay functions, and link impedance are identified. Consequently, even though this research still has some limitations (e.g., inherent weakness of travel demand models), this can be a starting point to develop more detailed guidelines as well as a good reference for practitioners and researchers who wish to evaluate operation strategies within transportation planning process.
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 | 0,017 | 0,027 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,003 |
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 ».