MétaCan
Menu
Retour à la cohorte
Enregistrement W2152791982 · doi:10.1139/l03-098

Unit of analysis in conventional trip generation modelling: an investigation

2004· article· en· W2152791982 sur OpenAlexfundvenueaboutno aff
Daniel A. Badoe, Chin‐Cheng Chen

Notice bibliographique

RevueCanadian Journal of Civil Engineering · 2004
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueTransportation Planning and Optimization
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of Toronto
Mots-clésTrip generationUnit (ring theory)TRIPS architectureTravel behaviorDemand forecastingTrip distributionTransport engineeringSurvey data collectionEstimationSampling (signal processing)Time-use surveyEconometricsComputer scienceStatisticsOperations researchEngineeringWork (physics)EconomicsMathematics

Résumé

récupéré en direct d'OpenAlex

This paper examines the importance of the unit of analysis selected for trip generation modelling when the model estimation data are collected in a household travel survey. The paper reviews the literature on the arguments made for the use of the "individual" or the "household" as the unit of analysis in trip production modelling, and then through a statistical exposition it determines what should be the appropriate unit of analysis. An empirical test of the forecast performance of household- and person-trip generation models is conducted using data collected in a household-travel-behaviour survey in the Greater Toronto Area of Canada. The paper concludes that the household is theoretically the preferable analysis unit to use in trip production modelling when the model estimation data are collected in a household travel survey in which the household is the sampling unit. The empirical test indicates that household-trip generation models yield predictions of trips at the household and traffic zone level, respectively, that are marginally more accurate than those yielded by person-trip generation models.Key words: trip generation, travel demand forecasting, household trip generation, person trip generation, sampling unit, travel demand modeling, activity-based travel forecasting.

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)0,018
score de la tête « metaresearch » (Gemma)0,095
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,993
Score d'incertitude au seuil0,097

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0180,095
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0010,003
Études des sciences et des technologies0,0010,002
Communication savante0,0030,004
Science ouverte0,0020,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,036
Tête enseignante GPT0,239
Écart entre enseignants0,204 · 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

Citations8
Publié2004
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Civil EngineeringMême sujetTransportation Planning and OptimizationTravaux en français237 207