Macro-, Meso-, and Microlevel Validation of an Activity-Based Travel Demand Model
Notice bibliographique
Résumé
Validation is an essential part of the model development process for practical applications in the real world context. Spatial transferability has been recognized as a useful validation test for travel demand models. To date, however, transferability of activity-based models has not been frequently assessed. This paper focuses on how and at which level the validation of activity-based travel demand models has been performed. More specifically, it examines the spatial transferability of an activity-based model, TASHA (Travel Activity Scheduler for Household Agents), which has been developed for the Greater Toronto Area (GTA), Canada. It applies TASHA to the Island of Montreal, Canada, using the 2003 Origin-Destination (O-D) travel survey and the 2001 Canadian census, and validates the transfer by comparing modelled and observed activity attributes from the 2003 O-D survey for five different activities (work, school, shopping, other, and return to home) at three different levels of aggregation, macro-level (aggregation of the entire population), meso-level (aggregation by population segments by age group and gender, and by home location), and micro-level (individuals). In most of the cases, simulated results are significantly different than the observed activity travel patterns of the individuals of this region. The large variations found at different levels most likely indicate differences in behaviours between Montreal and Toronto. The authors conclude that re-estimation of model parameters and the use of local activity attribute distributions (frequency, start time and duration) is a desirable step in the transfer of the TASHA model from one context to another.
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 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 | 0,016 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».