MétaCan
Menu
Retour à la cohorte
Enregistrement W1973615193 · doi:10.1080/0308106042000263078

The origin-destination matrix as an indicator of intrahousehold travel allocation

2004· article· en· W1973615193 sur OpenAlexaff
Abraham Akkerman, Yewon Hwang-Kurylyk

Notice bibliographique

RevueTransportation Planning and Technology · 2004
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueUrban Transport and Accessibility
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésDaytimeDestinationsContext (archaeology)Metropolitan areaResidenceMatrix (chemical analysis)GeographyEconomicsDemographic economicsTourism

Résumé

récupéré en direct d'OpenAlex

Subareas throughout a city may be viewed as both daytime destinations for some persons as well as residence (or nighttime) locations for some households. Associated with the average household in each subarea is the distribution of its members by their daytime destinations. Travel allocation of individuals by their principal subarea of daytime destination can be thus constructed for the average household in each subarea throughout a city. Intrahousehold allocation of daytime destinations can thus be represented in a convenient tabular form, the household composition matrix. Further interpretation shows the household composition matrix to be a special case of an origin-destination (O-D) matrix representing commuter volumes between subareas of nighttime and daytime location. Formal features of the household composition matrix, furthermore, render it equivalent to the Leontief input-output matrix. The relationship between intrahousehold travel allocation and household composition, as an O-D matrix, emerges to be of particular importance within the context of Leontief's input-output concept. Application to the Seoul Metropolitan Area indicates a discernable pattern in intrahousehold travel allocation when ordering of the household composition matrix is based on ratios between daytime and nighttime populations across the city's subareas.

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)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,033

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,004
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0100,001

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 Opus0,019
Tête enseignante GPT0,321
Écart entre enseignants0,301 · 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'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

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

En bref

Citations3
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTransportation Planning and TechnologyMême sujetUrban Transport and AccessibilityTravaux en français237 207