Biking the First Mile: Exploring a Cyclist Typology and Potential for Cycling to Transit Stations by Suburban Commuters
Notice bibliographique
Résumé
Regional commuter rail has become an important means of traveling to urban employment centers across North America, but planners are faced with the challenge of connecting commuters from their origin or destination locations to a train station. Cycling may be an efficient and low-cost way of taking these transit-access trips. However, cycling behavior of rail commuters, particularly in a suburban context, remains understudied. This research examined perceptions of cycling and current cycling behavior of 257 transit users from three suburban commuter rail stations in the Toronto region, Canada. Using a cluster analysis approach, four distinct cyclist types were identified, namely: recreational cyclists (29%), all-purpose cyclists (10%), safety-conscious occasional cyclists (33%), and facility-demanding occasional cyclists (28%). Differences between these groups included different mode-choice motivations, tolerance for adverse weather conditions, comfort bicycling in various hypothetical traffic/infrastructure conditions, and current frequency of cycling for transportation and recreational purposes. The safety-conscious group included a higher percentage of women compared to other groups. Overall, 32.5% of regional transit users would be interested in cycling more often to rail stations. A higher proportion of recreational cyclists (compared to other groups) were “interested first-mile cyclists”, whereas the safety-conscious group had a significantly greater proportion of “uninterested” respondents. With careful planning of bicycle infrastructure and awareness campaigns targeting perceptions of cycling, there is much potential for cycling to accommodate a greater proportion of transit-access trips in suburban communities, reducing demand for automobile parking at transit stations.
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 | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 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 ».