MUST-B : un modèle LUTI multidisciplinaire au service de la complexité du phénomène urbain
Notice bibliographique
Résumé
Le modèle LUTI MUST-B s’inscrit dans la double problématique de croissance urbaine et de développement durable. Il vise à répondre aux préoccupations croissantes concernant le développement urbain durable avec l’enjeu d’évaluation prospective dans le domaine du transport et de l’aménagement du territoire. Il est conçu pour intervenir dans une démarche d’aide à la décision (aide à la définition et l’élaboration de politiques publiques) pour orienter la « trajectoire » d’un territoire vers plus de durabilité. L’article ne vise pas ici à montrer ou illustrer la capacité du modèle MUST-B à simuler l’impact des choix d’aménagement. Il pose les bases d’une modélisation permettant d’appréhender la complexité du phénomène urbain. L’objectif de cet article est de montrer comment construire un modèle LUTI qui intègre la complexité du phénomène urbain en modélisant l’ensemble des mécanismes fondamentaux liés à l’occupation de l’espace (compte à rebours, endogénéité de certaines variables…). Notre modélisation se nourrit à la fois d’une approche multidisciplinaire (économie, aménagement de l’espace et urbanisme, géographie, transport) et de la disponibilité des données. Nous montrons que le modèle n’est pas sensible aux hypothèses de départ : le prix d’équilibre à l’issue de la simulation est indépendant du prix initial et que, sans être encore calibré sur un territoire, le modèle est capable à partir de comportements individuels de retrouver des résultats théoriques connus en économie urbaine. Il permet donc de disposer d’une structure stable qui permettra par la suite, et après avoir été calibré, de tester différents partis d’aménagement.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| 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 ».