Development of an Integrated Transportation and Land Use Microsimulation Model on a Flexible Modeling Platform
Notice bibliographique
Résumé
This paper reports the development of a microsimulation model-building platform and the implementation, validation, and deployment of an integrated transportation and land use model using the platform. The modeling platform provides a new approach to microsimulation by providing modular algorithms with which models can be configured without additional coding, enabling the rapid development, testing, and deployment of models. The integrated transportation, land use, and energy (iTLE) model is an operational microsimulation model for Halifax, Canada, that combines long-term household decisions with short-term travel choices. The model’s longer-term decision simulator simulates life-stage transitions, residential mobility, and vehicle transactions. The residential mobility module uses a logsum measure of modal accessibility to capture how households’ travel options influence their location decisions. The model was run from 2006 to 2036 on a business-as-usual scenario of land use and transportation. Validation performed after 10 years against census data indicates that the model produces a well-calibrated simulated population. The model predicts rising population density and greater household incomes in the urban core and a rise in vehicle ownership. The disaggregate nature, integration of land use and travel behavior, and life-course perspective of the modeling framework make it valuable as a decision-support tool for testing alternate scenarios against the baseline. The ease of development afforded by the modeling platform will facilitate future research on new mobility options, ensuring that the model can easily be adapted to anticipated transformational changes in the transportation system.
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 | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 ».