論文の概要: Exploring Non-Linear Effects of Built Environment on Travel Using an Integrated Machine Learning and Inferential Modeling Approach: A Three-Wave Repeated Cross-Sectional Study
- arxiv url: http://arxiv.org/abs/2412.03582v1
- Date: Tue, 19 Nov 2024 04:23:14 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-12-08 09:16:08.590732
- Title: Exploring Non-Linear Effects of Built Environment on Travel Using an Integrated Machine Learning and Inferential Modeling Approach: A Three-Wave Repeated Cross-Sectional Study
- Title(参考訳): 統合型機械学習と推論モデルを用いた旅行における建築環境の非線形効果の探索:三波繰り返し断続的研究
- Authors: Niaz Mahmud Zafri, Ming Zhang,
- Abstract要約: 本研究では,20年間のテキサス州オースティンにおける建設環境と旅行の動的関係について検討した。
機械学習と推論モデリングを統合して、旅行における非線形関係と構築環境特性のしきい値効果を明らかにする。
- 参考スコア(独自算出の注目度): 4.057269986952052
- License:
- Abstract: This study investigates the dynamic relationship between the built environment and travel in Austin, Texas, over a 20-year period. Using three waves of household travel surveys from 1997, 2006, and 2017, the research employs a repeated cross-sectional approach to address the limitations of traditional longitudinal and cross-sectional studies. Methodologically, it integrates machine learning and inferential modeling to uncover non-linear relationships and threshold effects of built environment characteristics on travel. Findings reveal that the built environment serves as a sustainable tool for managing travel in the long term, contributing 50% or more to the total feature importance in predicting individual travel-surpassing the combined effects of personal and household characteristics. Increased transit accessibility, local and regional destination accessibility, population and employment density, and diversity significantly reduce travel, particularly within their identified thresholds, though the magnitude of their influence varies across time periods. These findings highlight the potential of smart growth policies-such as expanding transit accessibility, promoting high-density and mixed-use development, and discouraging single-use development and peripheral sprawl-as effective strategies to reduce car dependency and manage travel demand.
- Abstract(参考訳): 本研究では,20年間のテキサス州オースチンにおける建築環境と旅行の動的関係について検討した。
1997年、2006年、2017年の3つの家庭旅行調査を用いて、伝統的な縦断研究と横断研究の限界に対処するために、横断的なアプローチを繰り返す。
方法論的には、機械学習と推論モデリングを統合して、旅行における非線形関係と構築環境特性のしきい値効果を明らかにする。
調査の結果, 建設環境は長期にわたる旅行管理の持続可能なツールとして機能し, 個人的・家庭的特徴の複合的な影響を克服する上で, 全特徴量の重要性に50%以上寄与していることが明らかとなった。
交通のアクセシビリティ、地域や地域へのアクセシビリティ、人口密度、雇用密度、多様性の増大は、特に特定閾値内での旅行を著しく減少させるが、その影響の大きさは期間によって異なる。
これらの知見は、交通アクセス性の拡大、高密度・多用途開発の促進、自動車依存の低減と旅行需要管理のための単一用途開発と周辺スプロールを効果的に行う戦略の回避など、スマートな成長政策の可能性を強調している。
関連論文リスト
- Urban Mobility Assessment Using LLMs [19.591156495742922]
本研究は,大規模言語モデル(LLM)を推進し,旅行調査を合成する,革新的なAIベースのアプローチを提案する。
本研究は, 異なるレベルの既存調査データと比較し, 全米各都市圏におけるこのアプローチの有効性について検討した。
論文 参考訳(メタデータ) (2024-08-22T19:17:33Z) - Variable-Agnostic Causal Exploration for Reinforcement Learning [56.52768265734155]
強化学習のための新しいフレームワークVACERL(Variable-Agnostic Causal Exploration for Reinforcement Learning)を導入する。
本手法は,注目機構を用いて,重要変数に関連する重要な観測行動ステップを自動的に同定する。
これらのステップを接続する因果グラフを構築し、エージェントをタスク完了に対する因果的影響の大きい観察-作用ペアへと導く。
論文 参考訳(メタデータ) (2024-07-17T09:45:27Z) - Countrywide natural experiment reveals impact of built environment on physical activity [55.93314719065985]
より歩行可能な建築環境は、人口全体の活動を増加させる可能性を秘めている。
歩行性の増加は、移動後の身体活動の著しい増加と関連している。
MVPA(Modrate-to-vigorous physical activity)は、様々な健康上の利益と結びついている。
論文 参考訳(メタデータ) (2024-06-07T00:11:17Z) - The Empirical Impact of Forgetting and Transfer in Continual Visual Odometry [4.704582238028159]
本研究は, ニューラルネットワークにおける破滅的記憶の影響と知識伝達の有効性を, 具体的環境下で連続的に学習したニューラルネットワークを用いて検討した。
環境間の高い伝達性を有する初期満足度性能を観察し,その後に特殊化相を呈する。
これらの知見は、生涯のロボット工学における適応と記憶保持のバランスをとることのオープンな課題を強調している。
論文 参考訳(メタデータ) (2024-06-03T21:32:50Z) - Wireless Crowd Detection for Smart Overtourism Mitigation [50.031356998422815]
この章では、モバイルデバイスのワイヤレスアクティビティに基づいたオーバツーリズムを監視するための、低コストなアプローチについて説明する。
群集センサは、無線技術のトレース要素を検出することで、周囲のモバイルデバイスの数をカウントする。
いくつかの技術で検出プログラムを実行し、指紋解析の結果は匿名データベースにのみローカルに保存される。
論文 参考訳(メタデータ) (2024-02-14T13:20:24Z) - Unveiling the influence of behavioural, built environment and socio-economic features on the spatial and temporal variability of bus use using explainable machine learning [0.04096453902709291]
都市部への距離が大きくなると、バス利用の空間的変動が増大する。
旅行の出発点と目的地の高度分離は、空間的および時間的変動を減少させる。
道路密度の低下は、特に朝のバス利用の空間変動の増大と関連している。
論文 参考訳(メタデータ) (2024-02-06T11:47:40Z) - Using machine learning to understand causal relationships between urban
form and travel CO2 emissions across continents [9.204800002382044]
都会形態が過去の研究で無視されていた旅行エミッションや施設間効果に有意な因果関係が認められた。
より単心的な都市では,主中心へのアクセスの増加よりも,サブセンター指向の開発がより重要となる空間回廊を同定する。
我々の研究は、エビデンスベースの都市気候ソリューションをスケールするための因果関係、一般化可能性、文脈的特異性の必要性に対処する新しい研究を可能にする機械学習の応用を実証する。
論文 参考訳(メタデータ) (2023-08-31T09:57:52Z) - Multi-Temporal Relationship Inference in Urban Areas [75.86026742632528]
場所間の時間的関係を見つけることは、動的なオフライン広告やスマートな公共交通計画など、多くの都市アプリケーションに役立つ。
空間的に進化するグラフニューラルネットワーク(SEENet)を含むグラフ学習方式によるTrialの解を提案する。
SEConvは時間内アグリゲーションと時間間伝搬を実行し、位置メッセージパッシングの観点から、多面的に空間的に進化するコンテキストをキャプチャする。
SE-SSLは、位置表現学習を強化し、関係の空間性をさらに扱えるように、グローバルな方法でタイムアウェアな自己教師型学習タスクを設計する。
論文 参考訳(メタデータ) (2023-06-15T07:48:32Z) - Investigating Underlying Drivers of Variability in Residential Energy
Usage Patterns with Daily Load Shape Clustering of Smart Meter Data [53.51471969978107]
スマートメータの大規模展開は、日々の負荷パターンの分散を探求する研究の動機となっている。
本稿では,電力消費パターンが変動性を示すメカニズムを明らかにすることを目的とした。
論文 参考訳(メタデータ) (2021-02-16T16:56:27Z) - Learning to Plan Optimistically: Uncertainty-Guided Deep Exploration via
Latent Model Ensembles [73.15950858151594]
本稿では,不確実な長期報酬に直面した最適化による深層探査を可能にするLOVE(Latent Optimistic Value Exploration)を提案する。
潜在世界モデルと値関数推定を組み合わせ、無限水平リターンを予測し、アンサンブルにより関連する不確実性を回復する。
連続行動空間における視覚ロボット制御タスクにLOVEを適用し、最先端や他の探査目標と比較して、平均20%以上のサンプル効率の改善を実証する。
論文 参考訳(メタデータ) (2020-10-27T22:06:57Z) - Interdependence in active mobility adoption: Joint modelling and
motivational spill-over in walking, cycling and bike-sharing [0.0]
本研究の目的は,歩行,サイクリング,自転車シェアリングという3つのアクティブトラベルモードの導入について検討することである。
この分析は、健康行動科学に由来する変化の枠組みの適応に基づいている。
論文 参考訳(メタデータ) (2020-06-24T17:37:45Z)
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。