Large-Scale Application of MILATRAS: Case Study of the Toronto Transit Network
Notice bibliographique
Résumé
This paper documents the efforts to operationalize the conceptual framework of MILATRAS (MIcrosimulation Learning-based Approach to TRansit Assignment) and its component models of departure time and path choices (Wahba and Shalaby, 2009a and 2009b). The methodology is applied to a large-scale real-world application, namely the multi-modal transit network of Toronto which is operated by the Toronto Transit Commission (TTC). The TTC transit service, in 2001, operated over 500 branches with more than 10,000 stops in the AM peak period (6-9AM). A mesoscopic model was developed to represent the dynamics of the transit service at the network level with a detailed representation of branch/vehicle-level operations. The developed mesoscopic model represents the movement of each transit vehicle between stops while it microscopically represents individual passenger alighting and boarding activities at each stop, including the interactions among passenger agents and between passenger agents and the transit network. The supply model acknowledges loading priorities at stops and represents congestion through fail-to-board handling. The demand for the TTC transit service for the modelling period is about 320,000 passengers including trips with four categories for trip purpose: home-based work trips (HBW, 67%), home-based school trips (HBS, 27%), home-based other trips (HBO, 4%), and non-home-based trips (NHB, 2%). A learning-based departure time and path choice model was adopted using the concept of mental models for the modelling of the transit assignment problem as a Markovian Decision Process (MDP). The generalized cost, GC, is assumed to be a function of the parameters r " , fixed-cost components r " , and variable-cost components r X. These variables components largely depend on passengers ’ travel choices and the transportation network performance. For a state s and an action a, the GC(S,a) is defined as:
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».