MétaCan
Menu
Retour à la cohorte
Enregistrement W214799783

Getting committed: A new perspective on public transit market segmentation from two Canadian cities

2015· article· en· W214799783 sur OpenAlexaboutno aff
Dea van Lierop, Ahmed El-Geneidy

Notice bibliographique

RevueTransportation Research Board 94th Annual MeetingTransportation Research Board · 2015
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueUrban Transport and Accessibility
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMarket segmentationTransit (satellite)Public transportBusinessPerspective (graphical)MarketingCustomer baseCluster analysisMarket researchTransport engineeringGeographyComputer scienceEngineering
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Traditionally transit market research has categorized riders into two distinct groups: captive and choice riders. While it is important for transit agencies to acknowledge the presence of these groups, market analyses that depend on such broad categories are likely to overlook important details about the needs and desires of their customer base. This study attempts to better understand the complexities of the different groups riding transit by using information from five years of customer satisfaction questionnaires collected by two Canadian transit providers in Montreal, Quebec, and Vancouver, British Columbia. Employing a series of clustering techniques, the analysis shows market segments that are present in both transit agencies. The segments are defined based on regularity of usage, choice, captivity and day of usage. The detailed analysis of these clusters reveals that the low cost of transit, convenience and efficiency of mode, as well as the service attributes are areas where policies are most likely to increase ridership among users, especially irregular ones. Since the findings have been consistent in two geographically distinct settings this research is expected to be replicable and applicable in other North American cities and is hoped to provide a new segmentation approach and policy framework that can help in the collective goal of increasing transit ridership.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,012
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,097
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0120,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,004
Études des sciences et des technologies0,0030,002
Communication savante0,0010,002
Science ouverte0,0010,000
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,121
Tête enseignante GPT0,421
Écart entre enseignants0,300 · 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 tête enseignante, pas un consensus.

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

Citations3
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTransportation Research Board 94th Annual MeetingTransportation Research BoardMême sujetUrban Transport and AccessibilityTravaux en français237 207