Este estudio realiza un análisis comparativo exhaustivo de los modelos multinomiales basados en regresión y los modelos de redes neuronales artificiales en la elección del modo de viaje interurbano. Para el análisis se utilizaron los cuatro modos de viaje interurbano: avión, tren de alta velocidad, tren y autobús exprés. Para desarrollar los modelos, se recopilaron datos sobre la actividad de los pasajeros durante el viaje interurbano. Se compararon la regresión logit multinomial estándar (MNL) y la regresión logit multinomial bayesiana (BMNL) con la función de base radial (RBF) y el perceptrón multicapa (MLP). Los resultados muestran que MLP es el modelo con mejor precisión predictiva, seguido de BMNL y MNL, mientras que RBF es el menos preciso. El rendimiento de todos los modelos se examinó en función de los cambios en el equilibrio de los datos, y se observó que el reequilibrio puede mejorar el rendimiento de ajuste, aunque reduce ligeramente el rendimiento predictivo. Este estudio comparativo y su estimación de parámetros arrojan nueva luz sobre la comparación de los modelos tradicionales y emergentes en los estudios del comportamiento de los viajeros, y los resultados pueden servir de orientación heurística para todas las partes interesadas.
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Informe, reporte:
La intermodalidad en el transporte de mercancías : puertos y hinterland, transporte marítimo, incluido el transporte marítimo de corta distancia (Inglés)
Libro:
Recomendaciones táctico operativas para implementar un programa de logística inversa : estudio de caso en la industria del reciclaje de plásticos
Artículo:
Convertidor CC/CC de carga a bordo de vehículo eléctrico basado en rectificación síncrona y análisis característico
Video:
¿Qué es la Logística Inversa?
Artículo:
Sistema de información para gestionar el inventario de sangre y las campañas de recogida directa