“Grand Paris Express”, the urban mobility board game, and the value of simulation tools in urban decision-making.
Notice bibliographique
Résumé
Mobility is a critical subject in today’s environmental and social context. On the one hand, transportation represents almost a quarter of Europe's greenhouse gas emissions and is the main cause of air pollution in cities. On the other hand, mobility plays a crucial role in addressing social inequality and promoting inclusivity. In order to solve these issues, smart mobility and more precisely the intelligent use of data will be essential. Access to this data solutions is crucial to build an inclusive and democratic transportation system. The Urban Mobility Board Game aims to offer an intuitive understanding of agent-based simulation. It has been elaborated with the supervision of the Anthropolis Chair at IRT SystemX and the Industrial Engineering Laboratory from Université Paris Saclay. The Urban Mobility Board Game is a collaboration game. It allows its players to personify mobility stakeholders with the mission to build the best transportation network to optimise the trip of a set of passengers that move around the board. The team wins points by reducing CO2 emissions in the city, saving money, and making sure the passengers get to their destination on time. Those are, indeed, the three main indicators the simulators use to evaluate their scenarios. By offering its players a fun and interactive tangible platform, the game conveys how simulations are an innovative and useful tool for observing and improving urban mobility systems. Furthermore, it was designed to train people to better think during their decision- making process and acquire new skills. The game is meant to be used for educational purposes, such as a first introduction to agent-based simulation. It might also be employed in the working environment as a tool for simulators to better convey the utility of their work
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,001 |
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 ».