Pedestrian choice between co-locate

Pedestrian choice between co-located stairs and escalators in Toronto transit stations was modelled using a set of standard binary and mixed-logit models, incorporating dynamic variables like crowding. While all models had good fit, the ascending direction and restricted-mobility individual choice were more readily predicted. Performance was measured predictive ability of ten-second aggregate flows after implementation in the pedestrian simulator MassMotion. The mixed-logit models performed consistently better than the standard models, with all showing good predictive ability (nearing 90%). There were also significant spreads of accuracy of up to 10% when the way the models were applied by simulation agents was varied.

ผลลัพธ์ (ไทย) 1:

เลือกทางเดินเท้าระหว่างร่วมอยู่บันไดและบันไดเลื่อนในสถานีขนส่งโตรอนโตจำลองแบบมาใช้ชุดของแบบจำลอง logit ผสม ผสมผสานตัวแปรแบบไดนามิกเช่นเบียดเสียดและมาตรฐานไบนารี ขณะที่ทุกรุ่นมีเหมาะ เรียงทิศทางและจำนวนจำกัดแต่ละทางเลือกได้มากขึ้นคาดการณ์ ประสิทธิภาพเป็นการวัดความสามารถในการทำนายกระแสรวมสิบสองหลังจากใช้งานในการจำลองทางเท้า MassMotion แบบจำลอง logit ผสมทำอย่างสม่ำเสมอดีกว่ารุ่นมาตรฐาน มีทั้งหมดแสดงดีทำนาย (ใกล้ 90%) นอกจากนี้ยังมีกระจายอย่างมีนัยสำคัญของความแม่นยำสูงสุดถึง 10% เมื่อมีหลากหลายวิธีที่ใช้ โดยบริษัทตัวแทนการจำลองแบบ

ผลลัพธ์ (ไทย) 2:

ทางเลือกเดินตามบันไดระหว่างร่วมอยู่และบันไดเลื่อนในสถานีขนส่งโตรอนโตก็ย่อมใช้ชุดของมาตรฐานรูปแบบไบนารีและผสม logit ที่ผสมผสานตัวแปรแบบไดนามิกเช่นเบียดเสียด ในขณะที่สินค้าทุกรุ่นมีแบบที่ดีทิศทางขึ้นและ จำกัด การเคลื่อนไหวทางเลือกของแต่ละบุคคลได้รับการคาดการณ์มากขึ้นอย่างรวดเร็ว ผลงานของผู้ได้รับการวัดความสามารถในการคาดการณ์ของการรวมสิบสองไหลหลังจากการดำเนินการใน MassMotion จำลองการเดินเท้า รุ่นผสม logit ดำเนินการอย่างต่อเนื่องที่ดีขึ้นกว่ารุ่นมาตรฐานกับทุกความสามารถในการคาดการณ์การแสดงที่ดี (ใกล้ 90%) นอกจากนั้นยังมีการแพร่กระจายอย่างมีนัยสำคัญของความถูกต้องถึง 10% เมื่อวิธีการรูปแบบถูกนำไปใช้โดยตัวแทนจำลองแปรผัน

ผลลัพธ์ (ไทย) 3:

เลือกสำหรับระหว่าง Co อยู่บันไดและบันไดเลื่อนในโตรอนโตสถานีขนส่งได้จำลองการใช้ชุดของมาตรฐานและแบบจำลองโลจิตแบบผสมผสมผสานตัวแปรแบบไดนามิกเช่นกัน . ในขณะที่ทุกรุ่นได้พอดีขึ้น ทิศทาง และจำกัดการเคลื่อนไหวแต่ละทางเลือกมีมากขึ้นพร้อมคำทำนาย วัดความสามารถในการปฏิบัติงานโดยรวมของสิบวินาทีหลังจากการไหลใน massmotion จำลองคนเดินเท้า แบบจำลองโลจิตแบบผสมแสดงอย่างต่อเนื่องกว่ารุ่นมาตรฐาน พร้อมแสดงความสามารถในการทำนายที่ดี ( ใกล้ 90 % ) ยังมีกระจายอย่างมีนัยสำคัญของความถูกต้องถึง 10% เมื่อวิธีการที่ใช้แบบจำลองที่ได้จากตัวแทนการจำลองได้หลากหลาย