A review of the housing market-clearing process in integrated land-use and transport models
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The land-use/transport interaction (LUTI) modeling framework has become the current state of best practice for analyzing the interdependency between the land-use and transportation systems. This paper presents a comprehensive review of the housing market-clearing mechanisms used in operational LUTI models. Market clearing is a critical component of modeling housing markets, but a systematic review and critique of the current state of the art have not previously been undertaken. In the review paper, the theoretical foundations for modeling household location choice are reviewed, including bid-rent and random utility theories. Five LUTI models are discussed in detail: two equilibrium models, MUSSA and RELU-TRAN, and three dynamic disequilibrium models, UrbanSim, ILUTE, and SimMobility. The discussion focuses on the following key points: the assumptions embedded in the models, the aggregation level of households and locations, computational cost and operationalization of the models. One of the challenges is that there are rarely any empirical studies that compare the performance of equilibrium and dynamic models in the same study context. Future research is recommended to empirically investigate the pros and cons of the two modeling approaches and compare the model performances for their representativeness of real-world behavior, computational efficiencies, and abilities for policy analysis. More sophisticated studies about the impacts of agents’ behavior on the housing market-clearing process are also recommended.
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.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 découle