Cross-Border Travel Behavior Analysis of Hong Kong-Zhuhai-Macao Bridge Using MXL-BMA Model
Notice bibliographique
Résumé
The Hong Kong-Zhuhai-Macao Bridge (HZMB) is an important transportation facility connecting Hong Kong, Zhuhai, and Macao. Thus, analyzing the characteristics of cross-border behavior becomes crucial for enhancing the smart travel experience of the HZMB. Discrete choice models (e.g., logit models) are commonly used to describe travel mode choice behavior. Multinomial logit (MNL) is subjected to the independence of irrelevant alternatives (IIA) assumption. Nested logit (NL) model does not consider the heterogeneity of travel individuals. Mixed logit (MXL) model can overcome the above limitations, but it may neglect model uncertainty. Therefore, a Bayesian model averaging (BMA) approach is applied to model travel mode choice behavior considering using revealed preference/stated preference (RP/SP) fusion data collected by questionnaires online. A structural equation model (SEM) is adopted to explore the potential relationship between latent variables, and two travel modes (i.e., cross-border bus and cross-border private car) are selected to analyze the cross-border travel mode choice of the HZMB. The results reveal that the MXL-BMA approach can better explain the cross-border travel mode choice behavior. And the transportation modes arriving and departing the HZMB have a significant impact on the travel mode choice of the HZMB. The findings of this study can provide suggestions for designing personalized travel services for travelers across the HZMB.
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 | 0,001 | 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 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 ».