Enhancing the Spatial Transferability of Direct Demand Models for Estimating Pedestrian Volumes at Intersections
Notice bibliographique
Résumé
Direct demand (DD) models are an important tool for estimating annual average daily pedestrian traffic (AADPT) for all intersections in a jurisdiction. These models associate socioeconomic and land-use variables with pedestrian exposure and allow the estimation of AADPT for sites where pedestrian counts are not (readily) available. However, some jurisdictions lack pedestrian volume counts from a sufficiently large number of intersections to develop their own DD model or do not have the institutional resources to carry out the model development. Under these circumstances, a cost-effective alternative is to use DD models that were developed in other jurisdictions. Previous research evaluated the spatial transferability of DD models in scenarios where no pedestrian counts are available (i.e., naïve transferability) and showed that this resulted in large estimation errors. This paper examines methods to improve the estimation accuracy of spatially transferred DD models by using AADPT that is readily accessible to jurisdictions (we call this local calibration). Five local calibration models were proposed and evaluated using observed field counts and synthesized counts from three jurisdictions. The best model to use is a function of the number of local jurisdiction sites for which pedestrian counts are available. When pedestrian volume is available for 10% of the sites, Model C presented the best results for the synthetic approach: an average improvement of 8.7% when comparing the locally calibrated and naïve estimates. Using real AADPTs and very limited samples for local calibration, Model C also presented the best performance: an average improvement of 35.0%.
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 | 0,003 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».