MétaCan
Menu
Retour à la cohorte
Enregistrement W3025937784 · doi:10.5198/jtlu.2020.1454

Testing microsimulation uncertainty of the parcel-based space development module of the Baltimore PECAS Demo Model

2020· article· en· W3025937784 sur OpenAlexafffund
Wanle Wang, Ming Zhong, Yiming Zhang, Yaqiu Li, J. Ge, John Douglas Hunt, John E. Abraham

Notice bibliographique

RevueJournal of Transport and Land Use · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueTransportation Planning and Optimization
Établissements canadiensUniversity of Calgary
Organismes subventionnairesNational Key Research and Development Program of ChinaWuhan University of TechnologyWuhan UniversityNatural Sciences and Engineering Research Council of CanadaNational Natural Science Foundation of China
Mots-clésMicrosimulationSpace (punctuation)Development (topology)Computer scienceSimulationOperations researchVariation (astronomy)Set (abstract data type)Industrial engineeringMathematicsTransport engineeringEngineering

Résumé

récupéré en direct d'OpenAlex

A precise and stable microsimulation space development module is fundamental for supporting various policy decision-making exercises related to land development. This paper studies the dynamics or uncertainty of outputs of the parcel-based space development module of an integrated land-use and transport forecasting model—the Baltimore PECAS Demo Model. It is tested with two sub-studies: (1) running the model three times over the entire planning window from 2000 to 2030; and (2) running the model 30 times just one year ahead from 2000 to 2001. The outputs obtained are used to analyze such dynamics or uncertainty. Study results from the first sub-study show that, in general, the system is stable and consistent over runs and time, as supported by a set of paired t-tests. However, the coefficient of variation (COV) measuring the variation of estimated space quantity by category over four cross-section years indicates that the differences among runs are increasing over time through the planning window. The COV test over the second sub-study indicates the estimated space quantity is stable for most of the zones, except for a small portion of zones with a small space quantity.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,061
Score d'incertitude au seuil0,122

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,006
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,051
Tête enseignante GPT0,266
Écart entre enseignants0,215 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

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

Citations3
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Transport and Land UseMême sujetTransportation Planning and OptimizationTravaux en français237 207