MétaCan
Menu
Retour à la cohorte
Enregistrement W2624775521 · doi:10.1016/j.procs.2017.05.366

Baseline Synthesis and Microsimulation of Life-stage Transitions within an Agent-based Integrated Urban Model

2017· article· en· W2624775521 sur OpenAlexaffabout
Mahmudur Rahman Fatmi, Muhammad Ahsanul Habib

Notice bibliographique

RevueProcedia Computer Science · 2017
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueTransportation Planning and Optimization
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésMicrosimulationBaseline (sea)Multinomial logistic regressionPopulationComputer scienceSimulationDemographyMachine learningTransport engineeringEngineering

Résumé

récupéré en direct d'OpenAlex

This paper presents baseline synthesis and microsimulation of life-stage transitions within an agent-based integrated Transport Land Use and Energy (iTLE) modeling system. The baseline synthesis involves generation of synthetic population and vehicle ownership level synthesis. Synthetic population in generated in two stages: (1) generation of synthetic population at the dissemination area (DA) level, controlling for household- and individual-level attributes; and (2) allocation of the synthetic population at the micro-spatial unit of parcel using a logit-link model. Vehicle ownership synthesis involves a multinomial logit model to determine the vehicle ownership level for the base year. The life-stages of the synthetic population are simulated longitudinally at a yearly simulation time-step within the iTLE framework. The simulated life-stages include: aging, birth, death, in-migration, out-migration, and household formation. The iTLE is coded in the C# DotNET programming platform. A 100% synthetic population is generated for Halifax, Canada. The baseline synthesis and life-stage simulation results are satisfactory. For instance, population synthesis results suggest that around 62.81% of the DAs show an error percentage range of -5% to +5%.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,024
Score d'incertitude au seuil0,048

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,036
Tête enseignante GPT0,293
Écart entre enseignants0,257 · 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'étudeSimulation ou modélisation
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

Citations10
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueProcedia Computer ScienceMême sujetTransportation Planning and OptimizationTravaux en français237 207