Exploring and Modeling the Level of Service of Public Transit in Urban Areas: An Application to the Greater Toronto and Hamilton Area (GTHA), Canada
Notice bibliographique
Résumé
The design of policies for increasing public transit ridership is integral for strategies leading to sustainable transportation in large metropolitan areas. Assessing the availability of public transit (i.e. supply) as a viable mode of transportation can help in the design of such policies. In this respect, this study examines transit service intensity at the census tract level by assembling and analyzing a suitable GIS database for the Greater Toronto and Hamilton Area (GTHA). This research utilizes an improved version of the 'Local Index of Transit Availability' (LITA), which derives service levels based on the coverage, capacity, and frequency of the transit system. Transit service levels as measured by LITA, are linked to a number of socio-economic and spatial characteristics via a simultaneous auto-regressive (SAR) model. Results indicate that the core areas of municipalities were not necessarily well serviced by public transit. Suburban peripheral tracts and those adjacent to the shoreline were characterized by average transit service at best, and tracts adjacent to municipal borders indicated discontinuity in transit service. Furthermore, previous studies often overlooked the impact of spatial effects by utilizing the conventional OLS regression modeling technique. The use of the SAR model in this study corrected for that and enhanced the overall explanatory power of the modeled data. The estimation results indicate that variables such as population density, income, percentage of recent immigrants, percentage of young adults and percentage of elderly population are key variables to explain transit availability in the GTHA.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».