Dynamic Transit Passenger Origin/Destination Estimation: A Bilevel Variational Inequality Approach
Notice bibliographique
Résumé
Transit origin destination (OD) trip matrices are essential inputs for most problems regarding the planning, operation, and management of public transit systems. Traditionally, OD matrices were obtained statically from passenger surveys. However, due to the need for continuous updates, surveying a representative sample, and the high cost of conducting these surveys, advanced methods estimate transit OD using sensor collected data such as automatic passenger counts (APC). The objective of this research is to formulate a dynamic transit origin estimation (DTOD) estimation model that is transferrable and applicable to scenarios where the available transit data is APC. The proposed methodology is a bi-level optimization model. In this model, each optimization is defined as a distinct level, and each level has its own objectives and constraints. The lower level (follower) seeks to optimize its outcomes, which are then used by the upper level (leader) to optimize its own outcomes. In the bi-level model proposed, the lower level is a dynamic transit assignment model that simultaneously determines the dynamic average travel costs and optimal route choices of passengers in congested transit networks (i.e., estimated passenger flows). The upper level sums passenger route choices from the lower level to obtain transit OD, and minimizes the sum of error measurements between the obtained time-dependent OD matrices and dynamic real passenger counts (APC counts). As a result of considering asymmetric link cost interactions (i.e., the cost of traversing a link in the network is both a function of the flow on the link itself and on surrounding links), the transit assignment is formulated as a variational inequality. The upper level, in contrast, is formulated as a generalized least square estimation. To evaluate the performance of the proposed DTOD estimation model, numerical examples are conducted using MATLAB, in which the model’s solution algorithm is coded. The model is tested on a small theoretical network and a real transit network in Calgary, Alberta, Canada. Sensitivity analyses of the bi-level model to different weighting schemes, link cost function parameters, and congestion levels are performed in which the model converges to unique solutions in minimal times and within acceptable ranges of error.
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 | 0,001 | 0,003 |
| 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 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».