How Far Out of the Way Will We Travel?
Notice bibliographique
Résumé
Current travel demand models are calibrated for motorized transportation and do not perform as well for nonmotorized modes. Little evidence exists on how much, and for what reasons, the routes people travel deviate from the shortest-path or least-cost routes generated by transportation models. This paper investigates differences in total distance, road type used, and built environment features for shortest-path routes versus actual routes for utilitarian bicycle trips (n = 50) and car trips (n = 67) in Metro Vancouver, Canada. Bike trips were, on average, 360 m longer than the shortest possible route; car trips were 540 m longer. Regardless of mode, people do not detour far off the shortest route: detour ratios (actual distance/shortest distance) were similar, with three-fourths of trips within 10% of the shortest distance and at least 90% within 25%. Differences in the built environment measures en route suggest why bike commuters chose to detour: the actual routes had significantly more bicycle facilities (traffic-calming features, bike stencils, and signage) than did the shortest-path routes. Compared with shortest-path routes, cyclists spent significantly less of their travel distance along arterial roads and significantly more along local roads, off-street paths, and routes with bike facilities. As expected, car trips were more likely to be along highways and less likely to be along local roads than predicted by the shortest route. The results illustrate factors that might be included in travel models to more accurately model nonmotorized transportation and provide guidance for how dense bike facilities need to be when infrastructure to support cycling is designed.
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 | 0,008 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,003 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,004 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».