MétaCan
Menu
Retour à la cohorte
Enregistrement W2947687498 · doi:10.3929/ethz-b-000286496

Modelling intermodal travel in Switzerland: A recursive logit approach

2018· article· en· W2947687498 sur OpenAlexaff
Lucas Meyer de Freitas, Henrik Becker, Maëlle Zimmermann, Kay W. Axhausen

Notice bibliographique

RevueRepository for Publications and Research Data (ETH Zurich) · 2018
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueTransportation Planning and Optimization
Établissements canadiensUniversité de Montréal
Organismes subventionnairesnon disponible
Mots-clésMixed logitComputer scienceMode (computer interface)LogitMode choiceEstimationChoice setDiscrete choiceEconometricsNested logitSample (material)Process (computing)Sampling (signal processing)Travel behaviorPublic transportPath (computing)Operations researchLogistic regressionTransport engineeringEconomicsEngineeringMachine learning

Résumé

récupéré en direct d'OpenAlex

Abstract We use data from the Swiss national household travel survey to 1. analyze the socioeconomic determinants for intermodal travel in Switzerland and 2. estimate a first large-scale multimodal recursive logit route choice model for urban trip making. We show that intermodal travel is mostly associated with ownership of transit subscriptions, which allow free at the point-of-use public transportation. We also present a framework using open-source data to generate the multimodal network for the recursive logit model estimation. The fact that the model only needs a multimodal network to model the transport supply makes it independent of path sampling algorithms for the choice-set construction and it thus provides an alternative to classic mode and route choice models, since it can estimate mode and route choice parameters with directly observed routes, removing the sampling bias. By eliminating the need to sample alternative paths for estimation, it also simplifies the estimation process, making it a viable choice as an integral solution for joint route and mode choice modelling.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,934
Score d'incertitude au seuil0,947

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,241
Tête enseignante GPT0,430
Écart entre enseignants0,190 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
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

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRepository for Publications and Research Data (ETH Zurich)Même sujetTransportation Planning and OptimizationTravaux en français237 207