Analyzing Transit User Behavior with 51 Weeks of Smart Card Data
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
A better understanding of mobility behaviors is relevant to many applications in public transportation, from more accurate travel demand models to improved supply adjustment, customized services and integrated pricing. In line with this context, this study mined 51 weeks of smart card (SC) data from Montréal, Canada to analyze interpersonal and intrapersonal variability in the weekly use of public transit. Passengers who used only one type of product (AP − annual pass, MP − monthly pass, or TB − ticket book) over 12 months were selected, amounting to some 200,000 cards. Data was first preprocessed and summarized into card-week vectors to generate a typology of weeks. The most popular weekly patterns were identified for each type of product and further studied at the individual level. Sequences of week clusters were constructed to represent the weekly travel behavior of each user over 51 weeks. They were then segmented by type of product according to an original distance, therefore highlighting the heterogeneity between passengers. Two indicators were also proposed to quantify intrapersonal regularity as the repetition of weekly clusters throughout the weeks. The results revealed MP owners have a more regular and diversified use of public transit. AP users are mainly commuters whereas TB users tend to be more occasional transit users. However, some atypical groups were found for each type of product, for instance users with 4-day work weeks and loyal TB users.
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.
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 | 0,011 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découle