A Heteroscedastic Polarized Logit Model to Investigate the Competition of Bicycle for the Bikeable Trips with the Other Modes
Notice bibliographique
Résumé
The paper proposes a new discrete choice model, named the Heteroscedastic Polarized Logit (HPL) to investigate choice contexts with one or more alternatives with remarkably low market shares. The proposed model is used to investigate the factors influencing the choice of a bicycle as a travel mode in the National Capital Region (NCR) of Canada. Data from the latest household travel survey of the NCR are used to investigate the mode choices of bikeable trips. Bikeable trips are defined as trips with lengths shorter than 16 km as this is the observed maximum limit of a bicycle trip in the dataset. A large dataset with over 40,000 trip records is used for empirical investigation where the bicycle has the lowest mode share of 3%. The HPL model clearly shows its appropriateness and superiority over comparable models in such a context. The choice to walk is found to be more sensitive to trip length than the choice to cycle, yet walking is found to have three times larger market share than that of cycling. Similarly, motorized modes are found to have low sensitivity to travel time and other impedances and have larger market shares. Women and students are found not to prefer the bicycle as a travel mode. Cycling infrastructure is seen to be effective in increasing the choice of the bicycle as a travel mode, but it also becomes clear that additional soft policy initiatives would be necessary to increase the popularity of cycling among young people, students, and women.
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 | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| 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 | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,001 |
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 ».