How Active Modes Compete with Motorized Modes in High-Density Areas: A Case Study of Downtown Toronto
Notice bibliographique
Résumé
This paper studies commuters’ mode choice behaviour in high-density areas. The study focuses on short distance commuting trips where active modes (i.e., bike and walk) truly compete with motorized modes. The downtown area of the City of Toronto as one of the most vibrant active neighbourhoods in North America is selected as a case study. Data from the 2011-2012 Transportation Tomorrow Survey (TTS) is used for the empirical analysis. A Nested Logit (NL) mode choice model with three nests, namely: auto driver, transit, and active modes is developed. In addition to personal and household attributes, the model includes variables that explain individuals’ active mode choice behaviour such as mode-specific travel distances and times, the surrounding built environment, and weather conditions. The empirical investigation reveals useful insights that are helpful in understanding how active modes compete with motorized modes in high-density areas. The built-environment and weather conditions have a strong effect on active mode shares. In addition, shorter distances to destinations and lower travel cost per unit distance contribute significantly to the increase of bike and walk mode shares. Next steps of this research include the application of the developed model for policy analysis. As such, the effect of different variables on short distance trips modal shares can quantified. In addition, future research may consider comparing short distance commuting trips in different planning districts of the GTHA. This will provide more insights on how the built environment affects commuters’ decisions in different parts of the region.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».