Who are the ‘super-users’ of public bike share? An analysis of public bike share members in Vancouver, BC
Notice bibliographique
Résumé
Public bike share programs have been critiqued for serving those who already bicycle, or more well-off individuals who already have a multitude of transportation options. While substantial research focuses on characteristics of public bike share members, it often overlooks their intensity of use which may relate more directly to transport and health gains. In this study we link system data with member survey data to characterize "super-users" of Vancouver's public bike share system. We used system data from September 1, 2016-August 31, 2017 to calculate member-specific trip rates (trips/month). We linked system data to demographic and travel data for members who completed an online survey in 2017 (1232 members who had made 89,945 trips). We defined super-users as those who made 20 or more trips/month. We used a logistic regression to model demographic and travel characteristics associated with super-users as compared to regular users. Of the 1232 members, 204 were super-users. Super-users made 47% of the trips and had a median trip rate of 29.3 trips/month. In adjusted models, super-users were more likely to be young, male, have household incomes below $75,000, and live and work near bike share docking stations. Super-users had fewer transportation options than regular users, with lower odds of having a personal bike or car share membership. Amongst members, we found a distinct demographic profile for super-users relative to regular users, suggesting that usage is an important consideration when quantifying transport and health gains, and the resulting equity implications of public bike share programs.
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 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,004 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».