A Time-Varying Coupling Analysis of Expressway Traffic Volume and Manufacturing PMI
Notice bibliographique
Résumé
This study investigates the time-varying coupling relationship between expressway traffic volume and manufacturing purchasing manager index (PMI). First, for the traffic volume and manufacturing PMI time-series data, unit root stability test and Johansen cointegration test are applied to determine the stability of single sequence and the long-term stable correlation between variables, respectively. Then, a time-varying vector autoregressive model (TVP-VAR) is developed to quantify the time-varying correlation between variables. The time-varying parameters of TVP-VAR are estimated using the Markov chain Monte Carlo (MCMC) theory. Finally, the model is validated using examples from China. In the numeric example, three variables, i.e., expressway car traffic volume, expressway truck traffic volume, and manufacturing PMI, are selected for analysis. Results show that there is a positive interaction between expressway traffic volume (both car and truck) and manufacturing PMI. Express traffic volume slowly promotes the development of manufacturing industry. However, with the reform policy of road freight structure in China, the promotion effect of truck traffic on manufacturing PMI in the past two years has decreased significantly. Moreover, as affected by the China demand-led economic development model in recent years, the stimulus effect of manufacturing PMI on expressway passenger traffic volume has increased year by year. And, while the expressway freight structure remains stable, truck traffic volume is hardly affected by fluctuations in manufacturing PMI. These research results are helpful for policy makers to understand the time-varying coupling relationship between expressway traffic volume and manufacturing development and finally to improve the expressway management level.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».