Temporal transferability of work trip mode choice models in an expanding suburban area: the case of York Region, Ontario
Notice bibliographique
Résumé
This paper presents an investigation of the transferability of home-based work mode choice models in the context of a rapidly growing suburban area: the Regional Municipality of York in the Greater Toronto Area. Between 2001 and 2006, York Region experienced a rapid change in population and saw the introduction of new transit mode. With a wealth of revealed-preference household survey data from the Transportation Tomorrow Survey, there is an obvious opportunity to investigate whether there were any structural changes in travel behaviour amongst the region's residents. Three heteroskedastic generalised extreme value (GEV)-class choice models are estimated: one for 2001, one for 2006 and a model estimated using data pooled from the 2001 and 2006 data sets. Disaggregate and aggregate transferability tests are conducted. Disaggregate transferability refers to the ability of a model to predict the individual choices observed in the context of application and is measured, in absolute terms, by the transfer log-likelihood. Aggregate transferability refers to the ability of a model to predict overall trends in the data (e.g. mode share). It becomes clear that the sets of estimation parameters are statistically different before and after the new bus transit system introduction. This implies that even advanced heteroskedastic GEV models are not fully transferable. However, interestingly, when assessing aggregate transferability, it is found that the transferred models perform quite well; in some cases, the transferred models fit the data better than the original estimated model. This suggests that disaggregate choice models capable of addressing both the systematic and random effects of transportation and land-use changes on choice-making behaviour should be developed.
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 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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,011 |
| Études des sciences et des technologies | 0,001 | 0,004 |
| Communication savante | 0,000 | 0,003 |
| Science ouverte | 0,002 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».