Trip-Chaining Trends in the United States: Understanding Travel Behavior for Policy Making
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
This paper uses data from the 1995 Nationwide Personal Transportation Survey and the 2001 National Household Travel Survey to examine trip-chaining trends in the United States. The research focuses on trip chaining related to the work trip and contrasts travel characteristics of workers who trip chain with those who do not, including their distance from work, current levels of trip making, and the purposes of stops made within chains. Trends examined include changes in the purpose of stops and in trip-chaining behavior by gender and life cycle. A robust growth in trip chaining occurred between 1995 and 2001, nearly all in the direction of home to work. Men increased their trip chaining more than women, and a large part of the increase was to stop for coffee (the Starbucks effect). It was found that workers who trip chain live farther from their workplaces than workers who do not. It was also found that, in two-parent, two-worker households that drop off children at school, women are far more likely than men to incorporate that trip into their commute and that those trips are highly constrained between 8:00 a.m. and 9:00 a.m. An analysis was done of workers who stopped to shop and those who did not but made a separate shopping trip from home; a large potential to increase trip-chaining behavior in shopping trips was found. Results of these analyses have important policy implications as well as implications for travel demand forecast model development. Finally, this paper uses these analyses to develop conclusions about the utility of transportation policies and programs that use the promotion of trip chaining as a primary travel demand management strategy.
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 | 0,011 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,006 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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