Carsharing Versus Bikesharing
Notice bibliographique
Résumé
Shared mobility services such as carsharing and bikesharing have gained significant traction in recent years. The services offer efficiency and flexibility to their members while providing benefits to society. In fall 2013, two origin–destination web surveys were carried out on carsharing and bikesharing members in Montreal, Quebec, Canada. These data were used to analyze the typical travel behaviors of members of one or both services. Service provider data were supplied to complement the analyses. The study controlled for factors such as age, gender, home location, and intensity of use of the service. Person and household characteristics showed that bikesharing users differed by being younger, more often male, and more connected (smartphones), and having a higher income. Carsharing users possessed more transit passes, had driving licenses in a higher proportion, and belonged to households with more children and fewer cars. Differences were also found when the intensity of the use of the service was accounted for. On travel behaviors, the study analyzed mode share when the bikesharing service was in operation and when the service ceased operations. On the former, both groups had high shares of public transit and walking, but bikesharing users were more car (driver)-oriented and carsharing members had a higher use of bikes. On the latter, carsharing users increased their use of walking, and bikesharing users increased their use of cars (driver). Finally, the study used a multinomial logit model to evaluate the performance of several variables on the odds of being a carsharing-only member, a bikesharing-only member, or a member of both services.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,040 | 0,004 |
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 ».