論文の概要: Modelling the Frequency of Home Deliveries: An Induced Travel Demand Contribution of Aggrandized E-shopping in Toronto during COVID-19 Pandemics

• arxiv url: http://arxiv.org/abs/2209.10664v1
• Date: Wed, 21 Sep 2022 21:18:25 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-23 14:37:12.191606
• Title: Modelling the Frequency of Home Deliveries: An Induced Travel Demand Contribution of Aggrandized E-shopping in Toronto during COVID-19 Pandemics
• Title（参考訳）: 家庭配送頻度のモデル化--covid-19パンデミックにおけるトロントの誇張されたeショップの旅行需要の寄与
• Authors: Yicong Liu, Kaili Wang, Patrick Loa, and Khandker Nurul Habib
• Abstract要約: 本研究は、世帯の毎週の宅配頻度を予測するモデルを開発した。 その結果、オンライン食料品会員、世帯平均年齢、男性世帯の割合、世帯労働者数、各種土地利用要因などの社会経済的要因が宅配需要に影響を及ぼすことがわかった。
• 参考スコア（独自算出の注目度）: 2.5380150390265257
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The COVID-19 pandemic dramatically catalyzed the proliferation of e-shopping. The dramatic growth of e-shopping will undoubtedly cause significant impacts on travel demand. As a result, transportation modeller's ability to model e-shopping demand is becoming increasingly important. This study developed models to predict household' weekly home delivery frequencies. We used both classical econometric and machine learning techniques to obtain the best model. It is found that socioeconomic factors such as having an online grocery membership, household members' average age, the percentage of male household members, the number of workers in the household and various land use factors influence home delivery demand. This study also compared the interpretations and performances of the machine learning models and the classical econometric model. Agreement is found in the variable's effects identified through the machine learning and econometric models. However, with similar recall accuracy, the ordered probit model, a classical econometric model, can accurately predict the aggregate distribution of household delivery demand. In contrast, both machine learning models failed to match the observed distribution.
• Abstract（参考訳）: 新型コロナウイルスのパンデミックは、eショッピングの急増を劇的に触媒した。 e-shoppingの劇的な成長は、間違いなく旅行需要に大きな影響を与えるだろう。 その結果、輸送モデラーがeショップ需要をモデル化する能力がますます重要になっている。 本研究は、世帯の毎週の宅配頻度を予測するモデルを開発した。 古典的エコノメトリと機械学習の両方を用いて、最良のモデルを得た。 その結果, オンライン食料品の会員数, 世帯の平均年齢, 男性世帯の割合, 世帯内の労働者数, 様々な土地利用要因が, 宅配需要に影響を与えていることがわかった。 本研究は,機械学習モデルと古典計量モデルの解釈と性能を比較検討した。 一致は、機械学習と計量モデルを通して特定された変数の効果に見出される。 しかし、同様のリコール精度で、古典的計量モデルである順序付きプロビットモデルは、宅配需要の総和分布を正確に予測することができる。 対照的に、両方の機械学習モデルは観測された分布と一致しなかった。

関連論文リスト

• Deep Generative Models in Robotics: A Survey on Learning from Multimodal Demonstrations [52.11801730860999]
  近年、ロボット学習コミュニティは、大規模なデータセットの複雑さを捉えるために、深層生成モデルを使うことへの関心が高まっている。 本稿では,エネルギーベースモデル,拡散モデル,アクションバリューマップ,生成的敵ネットワークなど,コミュニティが探求してきたさまざまなモデルについて述べる。 また,情報生成から軌道生成,コスト学習に至るまで,深層生成モデルを用いた様々なアプリケーションについて述べる。
  論文  参考訳（メタデータ） (2024-08-08T11:34:31Z)
• Predictive Churn with the Set of Good Models [64.05949860750235]
  近似機械学習モデルの集合に対する競合予測の効果について検討する。 ラーショモン集合内のモデル間の係り受けに関する理論的結果を示す。 当社のアプローチは、コンシューマ向けアプリケーションにおいて、より予測し、削減し、混乱を避けるためにどのように使用できるかを示します。
  論文  参考訳（メタデータ） (2024-02-12T16:15:25Z)
• An Interpretable Machine Learning Framework to Understand Bikeshare Demand before and during the COVID-19 Pandemic in New York City [0.0]
  本研究では,大規模な自転車共有システムにおける時間的需要を推定する機械学習モデリングフレームワークを提案する。 本研究で考慮された説明変数の相対的重要性に基づき,両モデルにおいて女性利用者と時間帯の共有が2つの重要な説明変数であった。
  論文  参考訳（メタデータ） (2023-11-10T15:24:23Z)
• Scaling Laws Do Not Scale [54.72120385955072]
  最近の研究によると、データセットのサイズが大きくなると、そのデータセットでトレーニングされたモデルのパフォーマンスが向上する。 このスケーリング法則の関係は、モデルのアウトプットの質を異なる集団がどのように認識するかと一致しないパフォーマンスを測定するために使われる指標に依存する、と我々は主張する。 異なるコミュニティは、互いに緊張関係にある価値を持ち、モデル評価に使用されるメトリクスについて、困難で、潜在的に不可能な選択をもたらす可能性がある。
  論文  参考訳（メタデータ） (2023-07-05T15:32:21Z)
• Improved Bayes Risk Can Yield Reduced Social Welfare Under Competition [99.7047087527422]
  本研究は,機械学習のスケーリングトレンドの振る舞いを根本的に変化させることを実証する。 データ表現品質の改善により、ユーザ間での全体的な予測精度が低下する、多くの設定が見つかる。 概念レベルでは,各モデルプロジェクタのスケーリング傾向が,社会福祉の下流改善に寄与する必要はないことが示唆された。
  論文  参考訳（メタデータ） (2023-06-26T13:06:34Z)
• Synthetic Model Combination: An Instance-wise Approach to Unsupervised Ensemble Learning [92.89846887298852]
  ラベル付きデータのトレーニングセットから学ぶ機会のない、新しいテストデータに対する予測を検討する。 専門家モデルのセットと予測へのアクセスと、トレーニングに使用するデータセットに関する制限された情報を提供すること。
  論文  参考訳（メタデータ） (2022-10-11T10:20:31Z)
• Forecasting COVID-19 spreading trough an ensemble of classical and machine learning models: Spain's case study [0.0]
  我々は、新型コロナウイルスのパンデミックの近い将来の進化を予測するために、人口モデルと機械学習モデルのアンサンブルの適用性を評価する。 オープンかつパブリックなデータセットのみに依存しており、発生率、ワクチン接種、人間の移動性、気象データに頼っています。
  論文  参考訳（メタデータ） (2022-07-12T08:16:44Z)
• Explain, Edit, and Understand: Rethinking User Study Design for Evaluating Model Explanations [97.91630330328815]
  我々はクラウドソーシング研究を行い、真偽のホテルレビューと偽のホテルレビューを区別するために訓練された詐欺検出モデルと対話する。 単語の線形バッグモデルでは、トレーニング中に特徴係数にアクセスした参加者は、非説明制御と比較して、テストフェーズにおいてモデルの信頼性が大幅に低下する可能性があることを観察する。
  論文  参考訳（メタデータ） (2021-12-17T18:29:56Z)
• Modeling Household Online Shopping Demand in the U.S.: A Machine Learning Approach and Comparative Investigation between 2009 and 2017 [0.0]
  本稿では、2009年と2017年の全米家庭旅行調査(NHTS)データを2回リリースし、家庭レベルのオンラインショッピング購入を予測する機械学習(ML)モデルを開発した。 機械学習技術の最新の2つの進歩、すなわちShapley値に基づく特徴重要度と累積局所効果プロットは、現在のMLモデリングにおける一般的なテクニックの固有の欠点を克服するために採用されている。 得られたモデルと洞察は、オンラインショッピング関連貨物需要生成に利用することができ、関連する政策がオンラインショッピング需要に与える影響を評価できる可能性がある。
  論文  参考訳（メタデータ） (2021-01-11T03:45:53Z)
• PsychFM: Predicting your next gamble [0.0]
  人間の行動そのものは選択予測問題にモデル化できる。 行動は個人に依存しているため、個人ごとに選択を予測するモデルを構築する必要がある。 機械学習や心理学理論といった概念を取り入れた,新たなハイブリッドモデル「サイコFM」が提案されている。
  論文  参考訳（メタデータ） (2020-07-03T17:41:14Z)
• A Time Series Analysis-Based Stock Price Prediction Using Machine Learning and Deep Learning Models [0.0]
  我々は、統計的、機械学習、ディープラーニングモデルの集合から成り立つ、非常に堅牢で正確な株価予測の枠組みを提示する。 当社は、インドの国立証券取引所(NSE)に上場している非常に有名な企業の、毎日の株価データを5分間隔で収集しています。 統計,機械学習,深層学習を組み合わせたモデル構築の凝集的アプローチは,株価データの揮発性およびランダムな動きパターンから極めて効果的に学習できる,と我々は主張する。
  論文  参考訳（メタデータ） (2020-04-17T19:41:22Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。