A mesoscopic cycling energy modelling approach based on emissions modelling principles
Notice bibliographique
Résumé
Many governments around the world have ambitious goals to increase active travel to reduce emissions and physical inactivity in built-up areas. However, one of the challenges to designing interventions that promote cycling is that we have a limited understanding of how cycling behaviour is impacted by the physical demands of cycling. Similarly, assessing the physical activity impacts of interventions is challenging because available approaches neglect important differences in riding intensity across trips. These challenges could be overcome, in part, through explicit investigation of cyclists’ energy expenditure, but we currently lack the tools for including this factor in practical travel analyses. Surrogate variables like speed risk conflating distinct effects pathways (e.g., effort and travel time considerations), microscopic mathematical models are data-intensive, and macroscopic mathematical models do not give us information on energy expenditure variability or distribution. This thesis proposes a mesoscopic approach for modelling cycling energy by developing a novel modelling framework (built on motor vehicle emissions modelling principles), determining key model design elements (segmenting variables and operating mode definitions), illustrating the potential accuracy of a mesoscopic model (in comparison to a microscopic model), and identifying key research and data needs for further model development. Applied on a naturalistic dataset containing cycling trips taken in Vancouver, Canada in 2017, the proposed mesoscopic model can predict mean positive cycling motive work rate (energy used to change the energy state of a bicycle and rider system, at the road-tyre interface) to within 40W (30%) of microscopic estimates. Gender, e-assist, and speed (as average trip speed or self-rated speed) are the key segmenting variables explaining variability in cycling motive work rates across trips; adding additional segmenting variables did not importantly improve model accuracy. Future work to develop mesoscopic cycling energy models for travel analysis should focus on investigating alternative operating mode definitions and analysis units, identifying potential interaction effects, collecting data on non-utilitarian and e-bike trips, investigating the influence of equipment and rider mass on motive work rate, and direct measurement of rider mechanical work rate.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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) | 0,003 | 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 ».