Transferring Matters: Analysis of the Influence of Transfers on Trip Satisfaction
Notice bibliographique
Résumé
Conventional wisdom in public transport planning suggests that transfers should be minimized because of the negative perceptions associated with them. However, little is known about how transferring affects overall satisfaction levels. This study aims to answer the following three research questions: (1) Are people that require transfers on their daily commute less satisfied with their trips compared with their non-transferring counterparts? (2) How many transfers appear to be too many transfers to remain satisfied with a trip? (3) Do mode-specific transfers have different impacts on overall satisfaction levels? Using data from a 2017/18 commuting survey of students, faculty, and staff at McGill University, Montreal, Canada, this study tries to answer the above questions through two statistical models, general and mode-specific. The general model showed that compared with trips involving zero transfers, no statistical difference in trip satisfaction was observed for one-transfer trips, whereas trip satisfaction declines by 32% when a rider must transfer at least two times. The mode-specific transfers showed that transferring between bus routes, and between a bus and subway, negatively affects trip satisfaction. However, transferring between subway lines did not show an impact in the models. These results show that transferring between high-frequency routes does not affect total trip satisfaction levels in the same way as transfers involving low-frequency services. Findings from this study are expected to contribute to both scholarly and practical discussions of the relationship between transferring and customer satisfaction.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».