Este artículo presenta un modelo conjunto discreto-continuo para la asignación del tiempo de actividad-viaje empleando el modelo probit ordenado para la elección de la hora de salida y el modelo de riesgo para la predicción del tiempo de viaje. Se emplea un algoritmo genético para optimizar los parámetros del modelo de riesgo. El modelo conjunto se estima a partir de datos recogidos en Pekín en 2005. Con el modelo desarrollado, se predicen los tiempos de salida y de viaje de los desplazamientos diarios al trabajo y se analiza la influencia de las variables sociodemográficas en las decisiones sobre los tiempos de actividad y de viaje. A continuación, se obtiene la asignación de tiempo total para las actividades y viajes diarios típicos. Los resultados indican que el modelo de elección discreta y el modelo continuo se ajustan bien al cálculo del horario de actividades y desplazamientos. Los resultados también muestran que el algoritmo genético contribuye a la optimización y, por tanto, a la alta precisión del modelo de riesgo. El modelo conjunto discreto-continuo desarrollado puede utilizarse para predecir la agenda de un patrón simple de actividad-viaje diario que contenga sólo trabajo, y ofrece potencial para el análisis de políticas de gestión de la demanda de transporte.
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.
Artículo:
Un método autoajustable para resistir el pandeo de autobuses basado en los límites de embarque
Artículo:
Ciertas fórmulas de transformada integral y de integral fraccionaria para las funciones hipergeométricas generalizadas de Gauss.
Artículo:
Modelos de mezclas gaussianas basados en componentes principales y aplicaciones
Artículo:
Análisis de la Muestra de Productos para la Difusión de Nuevos Productos que Incorpora la Propiedad de Múltiples Unidades.
Artículo:
Curvas de Mannheim de semejanza temporal generalizada en el espacio-tiempo de Minkowski E 1 4