Joint Modelling of Propensity and Distance for Walking Trip Generation
Notice bibliographique
Résumé
The paper presents an econometric investigation on walking trip generation for work and school activities. It uses a joint econometric modelling approach and highlights the importance of considering walking distance jointly with walking propensity in the walking trip generation model. Unlike any motorized modes, walking requires energy from the traveller him/herself and hence the total amount of walking distance has limiting effects on the walking trip making behaviour. The paper develops the joint econometric model for the decision to make non-zero walking trips, walking propensity and walking distance. Empirical models are estimated using large scale household travel survey data collected in the Greater Toronto and Hamilton Area (GTHA) in 1996, 2001 and 2006. Same models are estimated for three years and the results are compared. Empirical models clearly validate the proposal that for walking, travel distance should be considered jointly with propensity. It is also found that aggregate land use and population characteristics influence the decision to make non-zero walking trips more than they influence the walking propensity and distance. The relationship between auto ownership and walking trip generation is proved to be very strong; however, zonal average auto ownership has higher impact than the traveller’s own household auto ownership. By comparing the empirical models, it is clear that although there has been a slight improvement on baseline tendency to consider walking for work or school trips, the baseline walking propensity and distance remain unchanged over the years in the GTHA. Hence, in addition to land use policies, more rigorous applications of public education and social marketing would be required to encourage greater use of walking for work or school activities.
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 | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».