Estimating Pedestrian Volumes at Each Crosswalk of Intersections: Comparison of Land-Use Models and Short-Term Count Methods
Notice bibliographique
Résumé
Estimating pedestrian exposure for all the intersections in a jurisdiction is crucial for developing strategies with a focus on pedestrians. Some engineering applications require the annual average daily pedestrian traffic (AADPT) to be disaggregated per crosswalk. When continuous counts are available at the intersection, this indicator can be calculated directly. However, when only short-term counts (STCs) or no information on pedestrian volume is available, the AADPT per crosswalk cannot be calculated and must be estimated using other means. This work (1) evaluated the degree of confidence for estimating the pedestrian volume in each crosswalk based on point estimates of percentage shares per crosswalk obtained from STCs; and (2) developed models to estimate the percentage share of pedestrian volume per crosswalk as a function of attributes of the intersection that commonly are available for jurisdictions, referred to as the land-use (LU) model. The two methods were evaluated using continuous count data from three different jurisdictions, and a naive estimate assuming equal shares per crosswalk was used as a benchmark. The performance of each method was measured as the fraction of the intersection AADPT that was allocated wrongly to each crosswalk. The use of the LU model generated an average wrong allocation of 0.301, a statistically significant improvement of 11.4% compared with the naive estimate. The use of a STC from a single day produced an average wrong allocation of 0.153, an improvement of 54.9% from the naive estimate. Increasing the number of days of STCs to two or three resulted in average performance indicators of 0.117 and 0.106, respectively. The benefits of using STCs for more than three days are minimal. The STC method was developed using STCs from the same 1-year period in which the observed share was averaged. In practice, STCs are likely to be between 1 and 5 years old. Analysis using STCs from previous years showed that estimation error in practice may be as much as twice as large as the aforementioned errors.
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 | 0,004 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».