Effects of Vehicle Restriction Policies on Urban Travel Demand Change from a Built Environment Perspective
Notice bibliographique
Résumé
License plate restriction (LPR) policy presents the most straightforward way to reduce road traffic and emissions worldwide. However, in practice, it has aroused great controversy. This policy broke the original structure of the urban transportation mode, which needed some matching strategies to adapt to this change. Investigating this travel demand change is a challenging task because it is greatly influenced by features of the local built environment. Fourteen variables from four dimensions, location, land-use diversity, distance to transit, and street design, are used to depict the built environment; moreover, the severe collinearity underlies these feature variables. To solve the multicollinearity among the variables and high-dimensional problem, this study utilizes two different penalization-based regression models, the LASSO (least absolute shrinkage and selection operator) and Elastic Net regression algorithms, to achieve the variable selection and explore the impacts of the built environment on the change of travel demand triggered by the LPR policy. Travel demand changes are assessed by the relative variation in taxi ridership in each traffic analysis zone based on the taxi GPS data. Built environment variables are measured using the transportation network data and the Baidu Map Service points of interest (POI) data. The results show that regions with a higher level of public transportation service and a higher degree of the land mix have a stronger resilience to the vehicle restriction policy. Besides, the contribution rate of public transportation is stable as a whole, while the contribution rate of richness depends on specific types of land use. The conclusions in this study can provide in-depth insights into the influence of the LPR policy and underpin traffic complementary policies to ensure the effectiveness of LPR.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».