Modeling Travel Tool Ownership of the Elderly Population: Latent Segmentation-Based Logit Model
Notice bibliographique
Résumé
A latent segmentation-based logit (LSL) modeling framework investigated the travel tool ownership of the elderly population in the greater Toronto area, Ontario, Canada. This study utilized data from the 2006 Transportation Tomorrow Survey conducted in the greater Toronto area. The study developed five mutually exclusive travel tool ownership combinations or bundles for older adults. One of the unique features of this study is the development of an LSL model to capture unobserved heterogeneity in the older adults’ travel tool ownership decisions. The LSL model captures unobserved heterogeneity by allocating individuals to discrete latent segments through a latent segment allocation model. The model results suggest that the LSL model is estimated for two latent segments in which less frequent trip makers are more likely to belong to Segment 1 and more frequent trip makers have a higher probability of belonging to Segment 2. Moreover, the model results suggest that considerable heterogeneity exists among the older adults in the two segments. For instance, older adults residing in a neighborhood with a higher percentage of owned dwellings prefer to own multiple travel tools in one latent segment and reveal an opposite relationship in another segment. Moreover, older adults living closer to regional business centers have a higher probability of owning a monthly transit pass in one segment and exhibit an opposite relationship in another segment. This diversity in travel behavior should be addressed within the transportation and land use policies to ensure an effective and equitable transportation system for older adults.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».