Toward a More Meterless Parking System: User Demographic Factors Influencing Adoption and Usage of Pay by Cell (PBC) Services in Washington, DC
Notice bibliographique
Résumé
The District Department of Transportation’s (DDOT) pay by cell (PBC) program for on-street parking has been very successful. Since its launch in July 2011, the program has attracted one million customers, accounting for approximately 10 million transactions and 55 percent of DC’s parking revenues. The operational and maintenance cost of the program is significantly lower than other means of paying for parking, such as coins and credit cards. The program also enjoys a high level of customer satisfaction. DC’s high adoption rates afford DDOT the opportunity to look at meterless parking. DC will be experimenting with removing meters from one side of the street as part of the parkDC: Chinatown/Penn Quarter project. However, for this concept to gain citywide acceptance, the pay by cell program needs to cater to the needs of all customers that park in the District. This paper analyzes the characteristics of customers that use the current pay by cell program; draws inferences about common traits of PBC users and their usage of the PBC system; and starts framing an understanding on the demographics of PBC non-users. Identifying the general demographics of non-users will enable DDOT to develop outreach strategies that encourage adoption of the PBC program by all parkers.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 ».