Location Choice Modeling for Shopping and Leisure Activities with MATSim
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The activity-based multiagent simulation toolkit MATSim adopts a coevolutionary approach to capturing the patterns of people's activity scheduling and participation behavior at a high level of detail. Until now, the search space of the MATSim system was formed by every agent's route and time choice. This paper focuses on the crucial computational issues that have to be addressed when the system is being extended to include location choice. This results in an enormous search space that would be impossible to explore exhaustively within a reasonable time. With the use of a large-scale scenario, it is shown that the system rapidly converges toward a system's fixed point if the agents’ choices are per iteration confined to local steps. This approach was inspired by local search methods in numerical optimization. The study shows that the approach can be incorporated easily and consistently into MATSim by using Hägerstrand's time–geographic approach. This paper additionally presents a first approach to improving the behavioral realism of the MATSim location choice module. A singly constrained model is created; it introduces competition for slots on the activity infrastructure, where the actual load is coupled with time-dependent capacity restraints for every activity location and is incorporated explicitly into the agent's location choice process. As expected, this constrained model reduces the number of implausibly overcrowded activity locations. To the authors’ knowledge, incorporating competition in the activity infrastructure has received only marginal attention in multiagent simulations to date, and thus, this contribution is also meant to raise the issue by presenting this new model.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 découle