Spatial Transferability of Expansion Factors for Estimating Pedestrian Volume at Intersections
Notice bibliographique
Résumé
Pedestrian exposure at intersections is a key input for jurisdictions to develop pedestrian-centric strategies. Exposure is typically expressed as the annual average daily pedestrian traffic (AADPT). The expansion factor method is the most common technique employed to estimate AADPT, consisting of the expansion of short-term counts (STCs) using factors calculated from sites with continuous counts (CCs). However, jurisdictions often lack sufficient CCs to determine expansion factors, which motivated this work of assessing the spatial transferability of expansion factors. This paper examines the spatial transferability across three jurisdictions in Ontario, Canada, with similar school holiday and weather seasonality, and one jurisdiction in Arizona, U.S.A., with different characteristics. It was assumed that the "base jurisdiction" has CCs available, while the "target jurisdiction" has only STC sites, and applies expansion factors from the base jurisdiction. Two approaches were tested: the single factor method, averaging expansion factors across all sites in the base jurisdiction, and modeling methods, which assign STC sites to factor groups based on models developed in the base jurisdiction. The single factor method showed acceptable transferability within the Ontario jurisdictions, with an average absolute increase of 2.3% (8.7% relative increase) in the mean absolute percent error of AADPT achieved when comparing the spatially transferred factors to those obtained when the base and target jurisdictions are the same. However, poor transferability was observed between jurisdictions with differing characteristics. The application of modeling methods yielded inconsistent results, possibly because of the limited number of sites available in this study, and requires further investigation.
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 | 0,005 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 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 ».