Location Choice Modeling for Shopping and Leisure Activities with MATSim
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.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| 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 ».