Sketch Model for Estimating Station Level Ridership for LRT
Notice bibliographique
Résumé
The City of Edmonton aims to undertake an evidence-based approach to prioritize its 2047 unfunded LRT network for implementation. The Regional Travel Model (RTM) developed by the City does not explicitly model LRT as a separate mode and in general, like other regional-scaled models, is limited in its ability to accurately reflect station-level patterns. On the other hand, a Direct Ridership Model (DRM) estimates ridership as a function of the station’s environment and transit service attributes. A DRM can be used as complementary to the traditional four-step models like the RTM to provide a better understanding at a local level, which a system-wide analysis cannot provide. It also provides significantly greater flexibility than a RTM for evaluating different land use and service scenarios, and with minimal calibration, is transferable to other major urban areas. In this study, we developed a DRM of LRT stations using data collected for 15 existing stations in the City of Edmonton straddling over two horizon years. Individual DRMs were developed for the a.m. and p.m. peak periods after an assessment of the available data. The results indicate that population, employment, and post-secondary enrollment within a 1000m buffer around each station; along with, bus frequency, distance to CBD, parking spaces, and CBD stations were statistically significant variables. Five methods to expand the peak period station level boarding to daily estimates were also developed to understand the potential range of daily forecasts the City could expect to experience in the future.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».