MétaCan
Menu
Retour à la cohorte
Enregistrement W2094359110 · doi:10.3141/2010-10

Impact of Carpooling on Trip-Chaining Behavior and Emission Reductions

2007· article· en· W2094359110 sur OpenAlexfundno aff
Sisinnio Concas, Philip L Winters

Notice bibliographique

RevueTransportation Research Record Journal of the Transportation Research Board · 2007
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueUrban Transport and Accessibility
Établissements canadiensnon disponible
Organismes subventionnairesMcMaster University
Mots-clésCarpoolChainingTransport engineeringTraffic congestionTRIPS architectureTelecommutingComputer scienceEngineeringPsychologyWork (physics)

Résumé

récupéré en direct d'OpenAlex

Within an activity-based framework, the hypothesis that carpooling imposes a constraint on the way individuals organize their activities was tested, with resulting impacts on traffic peak congestion and trip-chaining behavior. The hypothesis was tested by estimating the joint probability density functions (PDFs) of subsistence, maintenance, and discretionary trips made by carpool and single-occupancy vehicle (SOV) users. Results show that whereas SOV maintenance and discretionary activities are linked to subsistence trips in a joint undertaking, carpool activities suggest discontinuity in the formation of trip chains. A comparison of the joint PDF of subsistence and discretionary activities reveals that trips are conducted either before or after the commute schedule; this results in a temporal shift that reduces peak-period traffic congestion and emission pollution. Marked differences are found to exist between SOV and carpool trip-chaining behavior. Carpoolers are more likely to engage in a greater number of cold-start trip chains; this behavior uncovers a potential negative impact on emission pollution. These findings suggest that a comprehensive approach to the evaluation of carpool programs must take into account the benefits as well as any ensuing negative externalities.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,035

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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.

Tête enseignante Opus0,142
Tête enseignante GPT0,485
Écart entre enseignants0,343 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations25
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTransportation Research Record Journal of the Transportation Research BoardMême sujetUrban Transport and AccessibilityTravaux en français237 207