Who uses ride‐hailing? Policy implications and evidence from the Greater Toronto and Hamilton Area
Notice bibliographique
Résumé
While many are eager to guide policy decisions on ride‐hailing, understanding the broader social and travel implications hinges on local contexts. Towards providing policy guidance in the Canadian context, this paper explores how mobility sub‐markets are related to ride‐hailing use in the Greater Toronto and Hamilton Area. Using data from a 2018 travel survey, cluster analysis is used to identify four traveller sub‐markets which are compared with ride‐hailing use. The first comprises “multi‐modalists,” who are younger, mobile, educated, and represent the largest group of ride‐hailing users. Second are users in two auto‐oriented markets—“private modalists” and “auto dependents”—who are older and least likely to engage in ride‐hailing. Finally, “low‐mobility travellers” are the most socio‐economically vulnerable and have lower household incomes, lower education attainment, lower likelihoods of being employed, fewer cars per household, and the highest reliance on public transportation among users in the traveller sub‐markets. Nevertheless, this group represents the second largest market for ride‐hailing, which fills a mobility gap in the absence of auto access. Understanding the social and travel behaviour implications from ride‐hailing is important towards crafting context‐appropriate public policy. Results from this study suggest that ride‐hailing is primarily used by those who are already highly mobile (multi‐modalists) and those who are most vulnerable (low‐mobility travellers) .
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».