Hola,
¿eres nuevo aquí?

Regístrate gratis y conecta tu empresa con financiación pública, partners y proyectos.

Tengo cuenta

Regístrate

Ver video

Econ-ML

Financiado

Cerrado

Econometric Machine Learning for better Heterogeneity Representation

Modeling behavioral patterns of commuters and their decision-making process is crucial to develop sustainable and effective transport policies, predict and forecast the travel mode choices of a certain population with respect to c... ver más

30/09/2024

TECHNICAL UNIVERSI...

215K€

Presupuesto del proyecto: 215K€

Líder del proyecto

DANMARKS TEKNISKE UNIVERSITET No se ha especificado una descripción o un objeto social para esta compañía.

TRL 4-5

Fecha límite participación Sin fecha límite de participación.

Ver 3 Participantes

Financiación concedida El organismo HORIZON EUROPE notifico la concesión del proyecto el día 2024-09-30

HORIZON-MSCA-2021-PF-01-01: MSCA Postdoctoral Fellowships 2024 ExpectedOutcome:

I+D

Cerrada hace 6 meses

0% 100% 100%

Características del participante

Este proyecto no cuenta con búsquedas de partenariado abiertas en este momento.

Información adicional privada

No hay información privada compartida para este proyecto. Habla con el coordinador.

3 Participantes

TECHNICAL UNIVERSITY OF DENM...

214.93K€ | Lider

MASSACHUSETTS INSTITUTE OF T...

MIT

N.D. | Participante

Conecta tu I+D

¿Tienes un proyecto y buscas un partner? Gracias a nuestro motor inteligente podemos recomendarte los mejores socios y ponerte en contacto con ellos. Te lo explicamos en este video

Duración del proyecto: 25 meses Fecha Inicio: 2022-08-30
Fecha Fin: 2024-09-30

Líder del proyecto

DANMARKS TEKNISKE UNIVERSITET No se ha especificado una descripción o un objeto social para esta compañía.

TRL 4-5

Presupuesto del proyecto 215K€

Fecha límite de participación Sin fecha límite de participación.

Descripción del proyecto Modeling behavioral patterns of commuters and their decision-making process is crucial to develop sustainable and effective transport policies, predict and forecast the travel mode choices of a certain population with respect to changes in some attributes or components of the transportation system, and determine the different sources of heterogeneity in tastes and preferences. Econ-ML is about developing hybrid frameworks that combine several machine learning techniques with econometric discrete choice models to better account for different aspects of unobserved heterogeneity within a population such as systematic and random taste variations in addition to market segmentation. The proposed models would abide by McFadden’s vision of an appropriate econometric choice model in order to maintain the behavioral interpretability while improving the prediction and forecasting capabilities. Moreover, this project will focus on estimating the proposed models using Bayesian Variational Inference (VI) techniques and on providing solutions to overcome the corresponding limitations of such methods. In addition, a comparison of traditional estimation techniques such as Maximum Simulated Likelihood Estimation (MSLE) and Expectation-Maximization (EM) with Bayesian Variational Inference techniques will be conducted, with the aim of providing recommendations on when each estimation method should be used. The ultimate goal is to apply the proposed framework to real-world case studies (e.g., shared mobility, biking behavior in Copenhagen, adoption of electric vehicles, etc.) and provide the authorities and operators with forecasts and recommendations for new policies that might mitigate the negative impacts of the transportation system.

Conecta tu I+D

Entra hoy

¿Olvidé mi contraseña?

Financiación

Empresas

CTIs/Universidades

Proyectos

Investigadores