An Integrated Framework for Estimating Origins and Destinations of Multimodal Multi-Commodity Import and Export Flows Using Multisource Data
Notice bibliographique
Résumé
Estimating origin-destination (OD) demand is integral to urban, regional, and national freight transportation planning and modeling systems. However, in developing countries, existing studies reveal significant inconsistencies between OD estimates for domestic and import/export commodities derived from interregional input-output (IO) tables and those from regional IO tables. These discrepancies create a significant challenge for properly forecasting the freight demand of regional/interregional multimodal transportation networks. To this end, this study proposes a novel integrated framework for estimating regional and international (import/export) OD freight flows for a set of key commodities that dominate long-distance transportation. The framework leverages multisource data and follows a three-step process. First, a spatial economic model, PECAS activity allocation, is developed to estimate freight OD demand within a specific region. Second, the international (import and export) freight OD is estimated from different zones to foreign countries, including major import and export nodes such as international seaports, using a gravity model with the zone-pair friction obtained from a multimodal transportation model. Third, the OD matrices are converted from monetary value to tonnage and assigned to the multimodal transportation super network using the incremental freight assignment method. The model is calibrated using traffic counts of the highways, railways, and port throughput data. The proposed framework is tested through a case study of the Province of Jiangxi, which is crucial for forecasting freight demand before the planning, design, and operation of the Ganyue Canal. The predictive analytics of the proposed framework demonstrated high validity, where the goodness-of-fit (R2) between the observed and estimated freight flows on specific links for each of the three transport modes was higher than 0.9. This indirectly confirms the efficacy of the model in predicting freight OD demands. The proposed framework is adaptable to other regions and aids practitioners in providing a comprehensive tool for informed decision-making in freight demand modeling.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».