Modelling the Spatial Distribution of Hybrid-Electric Vehicles in Windsor, Ontario
Notice bibliographique
Résumé
Technological advancements in recent years have allowed hybrid electric vehicles (HEV) to improve in terms of fuel efficiency and associated tailpipe emissions. As a result, the demand for HEVs in Canada has been on the rise but the market share is still negligible. In this paper, the population of HEVs in the Windsor Census Metropolitan Area (CMA), Ontario, Canada for the year 2011 is considered to study the determinants that led to the observed spatial distribution of this class of vehicles across the different census tracts within the CMA. Vehicle-specific characteristics along with locational variables are employed in the analysis. Locational factors are based on census tract profile attributes (namely socio-economic factors) that were acquired from the 2011 Census National Household Survey (NHS). Other variables used in the analysis include mixed density index and land use heterogeneity. Discrete choice modeling is used to explain the probability of finding HEVs in a specific area. Moran’s I statistics analysis suggests that the spatial distribution of HEVs exhibits a clustering pattern. Locational factors pertaining to the education, type of job, income, age, size of household of the people living in an area where HEVs were observed explain the spatial prevalence of various classes of HEVs. Also, areas with mixed density and heterogeneous land uses tend to give rise to the existence of HEVs.
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 | 0,012 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».