Process for the Encapsulation and Visualization of Dominant Demand and Supply Corridors
Notice bibliographique
Résumé
Before thinking about implementing new transportation services, it is essential to assess the performances of the available ones and to develop an objective diagnosis of the adequacy between transportation supply and demand. This paper focuses on the refinement of a spatial–temporal clustering process able to encapsulate the spatial distribution of travel demand and supply. It illustrates the potential of such process to assist in the development of an objective diagnosis of the quality of the configuration of transit services. The two tools composing this process are presented in this paper, Traclus_DL and Grille_CR. A literature review is conducted on the main concepts such as corridors and grids, which will give a better understanding of the contributions proposed in this paper. Traclus_DL is a spatial clustering algorithm for desire lines (direct line from origin to destination) developed by Bahbouh. This paper will explain how this algorithm works and will also present improvements that were implemented to facilitate its usage and to give a better representation of the reality. Grille_CR is an automated smoothing tool which facilitates the visualization and the interpretation of the results produced by Traclus-DL. This paper explains how this process can be implemented and illustrates its relevance for public transport analysis and design. The major contribution of this paper is the implementation of a tool which helps better understand the spatial configuration of the demand in transport.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».