Modeling Daily Activity Program Generation Considering Within-Day and Day-to-Day Dynamics in Activity-Travel Behavior
Notice bibliographique
Résumé
This paper presents Kuhn-Tucker demand system models for daily activity program generation. The models are for day-specific activity program generations of a week-long modeling span. The models accommodate within-day and day-to-day dynamics in time-use and activity-travel behavior explicitly. The activity types considered are the non-skeletal and flexible activities. These activities are divided into 15 generic categories. Under the daily time budget and non-negativity of participation rate constraints, the models predict the optimal set of activities (given the average duration of each activity type). The daily time budget considers the at-home basic needs and night sleep activities as a composite activity. The concept of composite activity ensures the behavioral dimension of time allocation and activity/travel behavior in a sense that the activities corresponding to the composite activity are regular skeletal activities but highly flexible in nature. We are sure to execute these activities but do not often allocate precisely a specific amount of time to them during advanced planning. Workers? total working hours (skeletal activity and not a part of the time budget) are considered as a variable in the models to accommodate the scheduling effects inside the generation model. The incorporation of previous day?s total executed activities as variables introduces day-to-day dynamics into the activity program generation models. The possibility of zero frequency of any specific activity under consideration is ensured by the Kuhn-Tucker optimality condition used. The models use the concept of goal/direct utility of activity episodes. The empirical estimations of the models are done using 2002-2003 CHASE survey data collected in Toronto. The models perform well in terms of fitting the observed data.
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 | 0,027 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».