Analyzing Adjustment Methods to Estimate Average Annual Daily Pedestrian Traffic in Downtown Winnipeg
Notice bibliographique
Résumé
Traffic monitoring efforts to date have focussed primarily on motorized travel. As more jurisdictions prioritize active transportation, addressing the need for network-level pedestrian data through system-wide traffic monitoring programs is essential to optimize engineering decisions. The purpose of this research was to evaluate methods to better leverage pedestrian count data for cities to estimate annual pedestrian traffic statistics. Using data from eight automated pedestrian counters, this research validated previously established traffic pattern groups in downtown Winnipeg while analyzing and evaluating adjustment methods to estimate annual statistics from short-duration counts. Pedestrian traffic data was collected throughout 2016. Using this continuous dataset, two traffic pattern groups initially developed using short-duration count data were updated. Results indicate that in Winnipeg’s downtown area, the day-of-year factor method for adjusting short-duration counts produces the most precise estimates of annual average daily pedestrian traffic (AADPT), with mean absolute percent error ranging from 19% to 16% for single day and two week counts respectively. Also that adjustment methods using partial day counts produce approximately twice as much error on average than multi-day counts. Additionally, counts beyond three days in duration do not significantly improve the precision of any multiday adjustment method’s estimate of AADPT. Finally, this research highlighted the presence of two additional pedestrian traffic peak periods often ignored by traditional pedestrian traffic data collection methods, these being the noon peak (11:00-13:00) and the evening event peak (21:00-23:00).
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 | 0,003 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».