A system dynamics approach to land use/transportation system performance modeling Part I: Methodology
Notice bibliographique
Résumé
Abstract This paper presents a system dynamics approach to simultaneous land use/transportation system performance modeling. A model is designed based on the causality functions and feedback loop structure between a large number of physical, socioeconomic, and policy variables. The model consists of 7 sub‐models: population, migration of population, household, job growth‐employment‐land availability, housing development, travel demand, and traffic congestion level. The model is formulated in DYNAMO simulation language, and tested on a data set from Montgomery County, MD. In Part I: Methodology, the overall approach and the structure of the model system is discussed and the causal‐loop diagrams and major equations are presented. In Part II: Application, the model is calibrated and tested with data from Montgomery County, MD. Least square method and overall system behavior are used to estimate the model parameters. The model is fitted with the 1970–80 data and validated with the 1980–1990 data. Robustness and sensitivities with respect to input parameters such as birth rate or regional economy growth are analyzed. The model performance as a policy analysis tool is examined by predicting the year by year impacts of highway capacity expansion on land use and transportation system performance. While this is a first attempt in using dynamic system simulation modeling in simultaneous treatment of land use and transportation system interactions, and model development and application are limited due to data availability, the results indicate that the proposed method is a promising approach in dealing with complex urban land use/transportation modeling.
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 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».