Assessing the Efficiency of Household Residential Location Choices
Notice bibliographique
Résumé
As part of strategic plans, we often see car dependency reduction vision along with strategies to reduce car use and vehicle-kilometers traveled while promoting alternatives such as transit and active modes. It is less common to see strategies to generate more structural changes, even if such change can have much more important and sustainable impacts. Whereas it is well known that home location is one of the key drivers of travel behaviors, it is much less frequent to have planners put forward strategies to encourage people to move and choose their locations more wisely with respect to their needs. This research aims to assess the potential collective gain of an optimal allocation of households to available dwellings. It aims to estimate how inefficient the current distribution is of households among the dwellings with respect to where all household members need to travel. Results show that the household relocations reduce the distances for work and study by 37.9%. This reduction saves an average of 13.8 km per household per day or 4.9 km per work or study trip. If the mode choice remains constant despite the new trip conditions following the household relocations, the total mileage for work and study trips would decrease by 42.8% for car drivers, by 35.2% for car passenger, by 13.3% for school bus, and 34.2% for public transport. As a result of the household relocations, walking and cycling latent trips increased, respectively, from 2.6% to 15.5% and 26.1% to 39.9% of motorized trips.
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 | 0,003 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».