Modeling significant factors affecting commuters’ perspectives and propensity to use the new proposed metro service in Doha
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The Qatari government introduced a major public transport project titled the Doha Metro system to address the fast growing transportation demands in Qatar’s urban areas and to be ready for the Qatar 2022 FIFA World Cup. To benefit from this new metro system in reducing traffic congestion problems in Doha, it must be attractive with a reasonable level of service to attract large numbers of car users to switch to the new metro. This goal can be achieved by a better understanding of the user’s needs and expectations in Qatar. This paper aims to identify and quantify the significant factors affecting commuters’ perspectives, preferences and tendencies to use this new metro network for their daily trips in the future. The data used for the analysis was obtained from a self-reported questionnaire survey carried out among a sample of commuters living in Doha. Different data mining techniques were employed including conditional distributions and two-way analysis. In addition, logistic regression and structural equation modeling approaches were developed. The results revealed that the location of metro stations, the metro station’s features, the metro’s features, gender, the number of daily trips, the purpose of trips, and the average duration of trips in Doha were the significant factors that affected commuters’ willingness and tendency to use the new metro system. The results of this study provide authorities and decision makers in Doha with valuable insights that should be taken into consideration prior to implementing the new metro service to ensure its success.
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.
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 | 0,001 | 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 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle