Sustainable Commuting: Results from a Social Approach and International Evidence on Carpooling
Notice bibliographique
Résumé
Sustainable commuting (SC) usually refers to environmentally friendly travel modes, such as public transport (bus, tram, subway, light rail), walking, cycling, and carpooling. The double aim of the paper is to summarize relevant prior results in commuting from a social approach, and to provide new, international empirical evidence on carpooling as a specific mode of sustainable commuting. The literature shows that certain socio-demographic characteristics clearly affect the use of non-motorized alternatives, and compared to driving, well-being is greater for those using active travel or public transport. Additionally, this paper analyzes the behavior of carpooling for commuting, using ordinary least squares (OLS) models, which have been estimated from the Multinational Time Use Study (MTUS) for the following countries: Bulgaria, Canada, Spain, Finland, France, Hungary, Italy, South Korea, the United Kingdom, and the United States. Results indicate that carpooling for commuting is not habitual for workers, as less than 25% of the total time from/to work by car is done with others on board. With respect to the role of the socio-demographic characteristics of individuals, our evidence indicates that age, gender, education, being native, and household composition may have a cross-country, consistent relationship with carpooling participation. Given that socializing is the main reason for carpooling, in the current COVID-19 pandemic, carpooling may be decreasing and, consequently, initiatives have been launched to show that carpooling is a necessary way to avoid crowded modes of transport. Thus, the development of high-occupancy-vehicle (HOV) lanes by local authorities can increase carpooling, and draw attention to the economic and environmental benefits of carpooling for potential users.
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 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».