Development of a cumulative prospect theory-based departure time choice model for dynamic traffic microsimulation
Notice bibliographique
Résumé
This study presents a comprehensive framework of dynamic traffic microsimulation modeling system that considers travelers’ departure time (DT) choices in response to sudden risk events in the transport network. The novelty of the model is that it captures the nonlinear responses of travelers to sudden risk events during DT choice-making by utilizing a Cumulative Prospect Theory (CPT)-based approach. For model testing, the study considers a case of transportation systems’ critical infrastructure (CI) renewal in Halifax, Canada that poses considerable uncertainty for travelers in the morning rush hours during a construction period. Two models were evaluated: (1) a model without the DT component (Model 1) and (2) a model with the DT component (Model 2). Model 2 offers methodological promises in studying traveler behavior under uncertainty. The proposed CPT-based DT model is advantageous to capture nonlinearity in quantifying travelers’ perception of transportation choice utility. The results of Model 2 significantly differ from the results of the traditional model without the DT component in terms of network performance. For instance, if the DT choice is considered, total traffic delays significantly increase in the early rush hours due to construction-related sudden bridge closure. In Model 2, queue increases at local intersections for initial hours if drivers’ DT adjustment is explicitly modeled within the traffic microsimulation modeling framework. Results of this study provide insights into developing emergency transportation management strategies in the case of sudden disruptions to daily travel activities and traffic operations in the network.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| 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 ».