Notice bibliographique
Résumé
Travel demand modeling is one of the key areas in transportation planning and engineering. Traditionally, it has been based on four inter-connected modules: trip generation, trip distribution mode choice, and traffic assignment. While the traditional approach remains popular among practitioners, it has been criticized widely due to its zonal aggregate nature. There has been a shift towards using micro-based models that use households and members of households as the units of analysis in lieu of the traffic analysis zones. This thesis contributes to advancing this micro-based paradigm by studying travel demand in the London Census Metropolitan Area (CMA), Ontario. It does so by developing an improved four-step travel demand model using a recent household travel survey that was collected in the year 2009. The focus will be as follows: first, compare various techniques that could be used to model trip generation (i.e., regression, cross-classification, discrete choice, and count models) at the micro-level. Also, compare the predictive ability of these micro-models against conventional zone-based models. Second, apply advanced geo-spatial methods and statistical techniques to model trip distribution using micro-data from the London Household Travel Survey (LHTS). To date, trip distribution in the four-stage model has relied on the gravity approach, which is too simplistic to capture the real complexities of spatial interactions between the traffic analysis zones forming an urban area. Also, its aggregate nature does not allow it to adequately capture the interaction of the traveler’s socio-economic characteristics with the attributes of alternative destinations. The results will allow us to devise an improved four-stage model that makes use of a conventional Household Travel Survey. Here, advanced techniques will be employed to improve the predictability of these models.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,004 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,024 | 0,004 |
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 ».