MétaCan
Menu
← Retour à la cohorte
Enregistrement W2118689076 · doi:10.3141/2495-04

Joint Econometric Analysis of Temporal and Spatial Flexibility of Activities, Vehicle Type Choice, and Primary Driver Selection

2015· article· en· W2118689076 sur OpenAlexaffabout
Sabreena Anowar, Naveen Eluru, Luis Miranda-Moreno, Martin Lee-Gosselin

Notice bibliographique

RevueTransportation Research Record Journal of the Transportation Research Board · 2015
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueUrban Transport and Accessibility
Établissements canadiensUniversité LavalMcGill University
Organismes subventionnairesnon disponible
Mots-clésFlexibility (engineering)Multinomial logistic regressionTravel behaviorEconometric modelSelection (genetic algorithm)Discrete choiceMixed logitEconometricsComputer scienceTransport engineeringLogistic regressionEngineeringEconomicsStatisticsMathematicsArtificial intelligenceMachine learning

Résumé

récupéré en direct d'OpenAlex

This study examined the relationship between four individual-level travel choice processes of daily activity: spatial flexibility of the activity, temporal flexibility of the activity, vehicle choice for the activity, and primary driver (for auto users). Activity flexibility (spatial and temporal) has been suggested as a precursor to the travel pattern observed for an activity. This study examined the impact of activity flexibility through unique data drawn from Quebec City, Quebec, Canada from 2003 to 2006. In traditional literature on travel behavior, vehicle fleet decisions have been examined as a long-term choice with annual usage metrics. However, the long-term vehicle usage observed (as studied in the literature) is an aggregation of the household's yearly vehicle type and usage behavior. Only recently have researchers begun to consider decisions about vehicle usage (type and mileage) as a short-term decision in travel behavior models. By examining short-term vehicle usage, this study explored, at a disaggregate level, the interaction of activity behavior (defined as flexibility) and vehicle type choice. A panel mixed multinomial logit model was applied to analyze the four choices within the decision process to account for the intrinsic unobserved taste preferences across individuals. The analysis results revealed that several individual and household sociodemographic characteristics, residential location, and activity attributes, as well as contextual variables, influenced the packaged choice of temporal flexibility, spatial flexibility, vehicle type choice, and primary driver selection. The presence of common unobserved correlation across various alternatives was also incorporated.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,377
Score d'incertitude au seuil0,749

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,009
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,143
Tête enseignante GPT0,405
Écart entre enseignants0,261 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations7
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueTransportation Research Record Journal of the Transportation Research Board→Même sujetUrban Transport and Accessibility→Travaux en français237 207→