MétaCan
Menu
Retour à la cohorte
Enregistrement W1998276853 · doi:10.3141/1898-13

Incremental Modeling Developments in Sacramento, California: Toward Advanced Integrated Land Use-Transport Model

2004· article· en· W1998276853 sur OpenAlexaff
John E. Abraham, Gordon Garry, John Douglas Hunt, Alan T Brownlee

Notice bibliographique

RevueTransportation Research Record Journal of the Transportation Research Board · 2004
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueTransportation Planning and Optimization
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésMicrosimulationTRIPS architectureLand useTransport engineeringWork (physics)Computer scienceProcess (computing)Agency (philosophy)Transportation planningOperations researchSimulation modelingLand-use planningRegional planningUrban planningEngineeringEconomicsCivil engineering

Résumé

récupéré en direct d'OpenAlex

The regional transportation planning agency in Sacramento, California, is taking a three-pronged approach to updating its land use-transportation forecasting models: developing a long-term model design, improving existing models toward that design, and collecting data that can be used to support the existing models while the new design is being developed. The advanced integrated model design contains a tour-based travel model involving microsimulation of individual tours of synthetic households, a microsimulation-based land development model, and a spatial input-output model of the regional economy. The existing models consist of a land use model based on the MEPLAN model, a traditional four-step model of transportation demand improved with the addition of an automobile ownership submodel and joint consideration of mode and destination for work trips, and an interactive neighborhood-level parcel allocation system. The process described is one of improvement of current models and of moving toward a new model design while the agency faces ongoing modeling needs and uncertain budgets.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,596
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,003
Études des sciences et des technologies0,0010,001
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,127
Tête enseignante GPT0,399
Écart entre enseignants0,272 · 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 tête enseignante, pas un consensus.

Devis d'étudeObservationnel
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

Citations6
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTransportation Research Record Journal of the Transportation Research BoardMême sujetTransportation Planning and OptimizationTravaux en français237 207