Origin-Destination-Based Travel Time Reliability under Different Rainfall Intensities: An Investigation Using Open-Source Data
Notice bibliographique
Résumé
Origin-destination- (O-D-) based travel time reliability (TTR) is fundamental to next-generation navigation tools aiming to provide both travel time and reliability information. While previous works are mostly focused on route-based TTR and use either ad hoc data or simulation in the analyses, this study uses open-source Uber Movement and Weather Underground data to systematically analyze the impact of rainfall intensity on O-D-based travel time reliability. The authors classified three years of travel time data in downtown Boston into one hundred origin-destination pairs and integrated them with the weather data (rain). A lognormal mixture model was applied to fit travel time distributions and calculate the buffer index. The median, trimmed mean, interquartile range, and one-way analysis of variance were used for quantification of the characteristics. The study found some results that tended to agree with the previous findings in the literature, such that, in general, rain reduces the O-D-based travel time reliability, and some seemed to be unique and worthy of discussion: firstly, although in general the reduction in travel time reliability gets larger as the intensity of rainfall increases, it appears that the change is more significant when rainfall intensity changes from light to moderate but becomes fairly marginal when it changes from normal to light or from moderate to extremely intensive; secondly, regardless of normal or rainy weather, the O-D-based travel time reliability and its consistency in different O-D pairs with similar average travel time always tend to improve along with the increase of average travel time. In addition to the technical findings, this study also contributes to the state of the art by promoting the application of real-world and publicly available data in TTR analyses.
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 | 0,004 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».