What Can Publicly Available API Data Tell Us about Supply and Demand for New Mobility Services?
Notice bibliographique
Résumé
Better understanding of the impacts of new mobility services (NMS) is needed to inform evidence-based policy, but cities and researchers are hindered by a lack of access to detailed system data. Application programming interface (API) services can be a medium for real-time data sharing and access, and have been used for data collection in the past, but the literature lacks a systematic examination of the potential value of publicly available API data for extracting policy-relevant information, specifically supply and demand, on NMS. The objectives of this study are: 1) to catalogue all the publicly available API data streams for NMS in three major cities known as the Cascadia Corridor (Vancouver, British Columbia; Seattle, Washington; and Portland, Oregon); 2) to create, apply, and share web data extraction tools (Python scripts) for each API; and 3) to assess the usefulness of the extracted data in quantifying supply and demand for each service. Results reveal some measures of supply and demand that can be extracted from API data and be useful in future analysis (mostly for bikeshare and carshare services, not ridesourcing). However, important information on supply and demand of most of the NMS in these cities cannot be obtained through API data extraction. Stronger open data policies for mobility services are therefore needed if policymakers want to obtain useful and independent insights on the usage of these services.
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 | 0,011 | 0,096 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,015 | 0,039 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,008 | 0,009 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,005 |
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 ».