Who is in the near market for bicycle sharing? Identifying current, potential, and unlikely users of a public bicycle share program in Vancouver, Canada
Notice bibliographique
Résumé
BACKGROUND: Public bicycle share programs in many cities are used by a small segment of the population. To better understand the market for public bicycle share, this study examined the socio-demographic and transportation characteristics of current, potential, and unlikely users of a public bicycle share program and identified specific motivators and deterrents to public bicycle share use. METHODS: We used cross-sectional data from a 2017 Vancouver public bicycle share (Mobi by Shaw Go) member survey (n = 1272) and a 2017 population-based survey of Vancouver residents (n = 792). We categorized non-users from the population survey as either potential or unlikely users based on their stated interest in using public bicycle share within the next year. We used descriptive statistics to compare the demographic and transportation characteristics of current users to non-users, and multiple logistic regression to compare the profiles of potential and unlikely users. RESULTS: Public bicycle share users in Vancouver tended to be male, employed, and have higher educations and incomes as compared to non-users, and were more likely to use active modes of transportation. The vast majority of non-users (74%) thought the public bicycle share program was a good idea for Vancouver. Of the non-users, 23% were identified as potential users. Potential users tended to be younger, have lower incomes, and were more likely to use public transit for their main mode of transportation, as compared to current and unlikely users. The most common motivators among potential users related to health benefits, not owning a bicycle, and stations near their home or destination. The deterrents among unlikely users were a preference for riding their own bicycle, perceived inconvenience compared to other modes, bad weather, and traffic. Cost was a deterrent to one-fifth of unlikely users, notable given they tended to have lower incomes than current users. CONCLUSION: Findings can help inform targeted marketing and outreach to increase public bicycle share uptake in the population.
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 | 0,002 |
| 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 | 0,004 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 ».