A Review of Urban Residential Choice Models Using Agent-Based Modeling
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
Urban land-use modeling methods have experienced substantial improvements in the last several decades. With the advancement of urban land-use change theories and modeling techniques, a considerable number of models have been developed. The relatively young approach, agent-based modeling, provides urban land-use models with some new features and can help address the challenges faced by traditional models. Applications of agent-based models to study urban dynamics have increased steadily over the last twenty years. To offer a retrospective on the developments in agent-based models (ABMs) of urban residential choices, we review fifty-one relevant models that fall into three general categories: (i) urban land-use models based on classical theories; (ii) different stages of the urbanization process; and (iii) integrated agent-based and microsimulation models. We summarize and compare the main features of these fifty-one models within each category. This review focuses on three fundamental new features introduced byABMs. The first is agent heterogeneity with particular attention to the method of introducing heterogeneity in agents' attributes and behaviors. The second is the representation of land-market processes, namely preferences, resources constraints, competitive bidding, and endogenous relocation. The third is the method of measuring the extensive model outputs. In addition, we outline accompanying challenges to, and open questions for, incorporating these new features. We conclude that, by modeling agent heterogeneity and land markets, and by exploiting a much broader dimension of output, we will enhance our understanding of urban land-use change and are hopefully able to improve model fitness and robustness.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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