Examining interaction effects among land-use policies to reduce household vehicle travel: An exploratory analysis
Notice bibliographique
Résumé
Numerous studies have suggested that land-use policies can reduce vehicle travel through mode shifting and reduced trip lengths and generation of fewer or more efficient trips. The findings from previous studies also suggest that the combined effect of two or more land-use policies can be significant, although the effects of individual policies appear to be modest. These studies present area-wide impacts of land-use policies on travel and suggest that their effects are additive. However, very little is known about how each land-use policy interacts with the others at different levels of development intensity to reduce vehicle travel. In this study, we explore how three well-known land-use strategies (densification, mixed-use development, and street network improvement) interact with each other by testing possible combinations of land-use factors and focus on how these interactive effects vary by the level of development intensity. Employing ordinary least squares regression analysis using a dataset created for the Austin metropolitan statistical area (MSA) (using 2006 Austin Travel Survey data), we examine the impact of land use on household vehicle travel. Our findings suggest that interaction effects occur, but they vary by development intensity. The results of this study show the importance of considering both threshold (development intensity) and interaction (combination of policies) effects in understanding how land-use factors do and do not affect travel (based on their interactive opposed to only their direct and additive effects). Though this paper uses data from just one MSA and thus is merely suggestive, it does point to a possibly more nuanced use of the commonly prescribed planning and design policy variable to account for variation in effectiveness based on differences in development intensity. For example, we find that greater land-use intensification has higher efficacy in changing vehicle travel behavior in areas with relatively higher development intensity. Future research should include data from a broader array of metropolitan areas and incorporate additional predictor variables that were unavailable for this analysis.
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 | 0,007 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,005 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».