Disruption, Congestion and Mitigation: Charaterisation of Strategic Road Infrastructure Using Partial Itinerary Data
Notice bibliographique
Résumé
In large urban areas, high-capacity transit and road infrastructure play a crucial role in the spatiotemporal distribution of economic and social activities. In many cities, the subway is the critical component of the public transit system just as freeways form the effective backbone of the road network. In the case of island cities like Montreal, bridges are also essential to the proper functioning of the transportation system as a whole. As such, subways, bridges and freeways can be considered “strategic” transportation infrastructure since the disruption of just one of them has wide-reaching consequences. It is therefore important, from both long-term planning and operational perspectives, for transportation authorities to identify strategic infrastructure and to have good knowledge of its users’ travel patterns. In Montreal, methods of analysing public transit usage patterns based on travel survey data have long been used for planning and operational financing purposes. However, a similar methodology has yet to be adopted for roads. This paper presents a methodology for thoroughly characterising the users of strategic road infrastructure (bridges and freeways) based on data contained in a large-sample household travel survey. The Montreal travel survey asks all respondents who completed their trip by driving a car which major bridge or freeway was used. The 2008 survey contained roughly 70,000 trips with at least one bridge or freeway declared. Around 60,000 of these declarations could be validated using a constrained trip assignment algorithm applied to a large and detailed network (117,000 links). Adopting a totally disaggregate approach, the algorithm transforms the bridge and freeway declarations into complete itineraries while preserving the socio-demographic attributes of each traveller. These results can be used to analyse strategic road infrastructure from multiple perspectives: the detailed characterisation of the “clientele”, an estimation of their travel consumption, analysis of congestion and road pricing, and the design of mitigation measures – including alternative public transit options – in the event of closure or failure. An interactive visualisation tool forms the basis of these investigations. The method is based on a travel survey but could be adapted for emerging passive data sources that provide partial itinerary information such as GPS traces, automatic toll collection systems, mobile device applications and so on.
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 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,007 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| 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 ».