MétaCan
Menu
Retour à la cohorte
Enregistrement W2338617271

Understanding When Carsharing Displaces Vehicle Ownership

2016· article· en· W2338617271 sur OpenAlexaboutno aff
Michiko Namazu, Hadi Dowlatabadi

Notice bibliographique

RevueTransportation Research Board 95th Annual MeetingTransportation Research Board · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueTransportation and Mobility Innovations
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCar ownershipRentingBusinessApartmentService (business)Car sharingBivariate analysisWork (physics)Public transportMarketingDemographic economicsTransport engineeringEconomicsEngineering
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

In this paper, the authors analyzed the factors and conditions associated with car owners who chose carsharing (CS) over car ownership. The authors used over 3,400 responses to a survey by Metro Vancouver directed at members of three different carsharing services. Our bivariate analysis showed that out of 883 respondents who reduced their vehicle ownership after joining a carsharing service, 70% became zero vehicle households. This suggests that, in these cases, access to CS services fully substituted private vehicles. According to the regression analysis, households who tended to reduce their vehicles after joining CS were 1) single households 2) those owning multiple vehicles prior to joining CS and, 3) those living in rental housing. On the other hand, households who kept their vehicles, even after joining CS, tended to have family members working outside of home. In addition, our logit regression analysis showed that households picking up cars at locations within apartment/townhouse complex, locations close to work/school, and locations close to transit stations were less likely to relinquish personal vehicles. The expansion of CS services in these locations has been a policy target by municipal governments. If the goal of public policy is to reduce private vehicle ownership, the authors might need to explore other strategies. The authors recommend conducting follow-up surveys to capture the effect in longer time frame and in other area, such as outside of urban core. The regression analysis also found that households who reduced vehicle ownership were twice as likely to report environmental awareness as a motivation than other CS households. Considering a strong positive relationship between the intention of cost saving by CS and vehicle ownership reduction (over 3.0 odds ratio), advertising CS as a cost effective and environmental friendly transportation option would be a potent strategy to implement CS as a vehicle ownership reduction measure.

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)0,005
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), 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 enseignants0,386
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0010,001
Communication savante0,0000,002
Science ouverte0,0010,000
Intégrité de la recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,175
Tête enseignante GPT0,362
Écart entre enseignants0,187 · 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
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTransportation Research Board 95th Annual MeetingTransportation Research BoardMême sujetTransportation and Mobility InnovationsTravaux en français237 207