Examination of Clusters for Better Understanding Commuter Cyclists’ Travel Behavior: Insights from a Longitudinal Panel Survey
Notice bibliographique
Résumé
This study examined commuter cyclists’ travel behavior, particularly in response to changes in weather conditions and situational factors. The motivators, deterrents, and preferences of commuter cycling were also examined. To reach greater understanding of commuter cyclists’ decision making, cyclists were clustered. Disaggregated travel data were collected from a longitudinal panel survey (sample size: 355) and analyzed to identify the influence of weather conditions and situational factors on commuters’ day-to-day cycling decisions. The baseline survey (a one-off survey) provided information about the work characteristics, travel characteristics, motivational factors, and sociodemographics of the participants. Generalized estimating equations were used to compare the responses between groups on the day-to-day influences of weather conditions and situational factors. Binary logistic regression was used to predict commuters’ cycling decisions (whether or not to cycle). Commuter cyclists’ average decision (over the longitudinal survey period) was modeled with work characteristics, travel characteristics, motivational factors, and sociodemographics as explanatory variables. The results indicate that parameter estimates vary significantly between groups. Part-time commuter cyclists and commuter cyclists who do not plan their travel behavior in advance were more affected by adverse weather conditions than were the comparison groups. Situational factors were larger deterrents for part-time commuter cyclists and cyclists who traveled longer distances to work. However, off-road paths encouraged long-distance commuters to cycle more often. The paper includes a discussion on how the implications of these results can influence government policies and strategies in an effort to increase commuter cycling.
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 | 0,004 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».