One-Way Carsharing's Evolution and Operator Perspectives from the Americas
Notice bibliographique
Résumé
Classic roundtrip carsharing has been documented as a strategy to reduce car ownership and vehicle miles/kilometers traveled in urban areas. The expansion of carsharing and other forms of shared-use mobility have led to a growing interest in understanding the latest models. In recent years, one-way carsharing has gained momentum across the globe with 18 operators providing services in ten countries worldwide. One-way carsharing does not require its users to return the vehicle to the same location from which it was accessed (in contrast to roundtrip carsharing). Users typically pay by the minute versus the hour and do not require a reservation. There are two one-way models: free-floating and station-based. Free-floating carsharing allows vehicles to be picked up and left anywhere within a designated operating area, while station-based requires users to return vehicles to an available station. In Fall 2013, the authors conducted a survey of 26 roundtrip and five one-way carsharing operators in the Americas (U.S., Canada, Mexico, and Brazil) to understand their perspectives on one-way carsharing and its future. Almost 70 % of roundtrip operators viewed one-way carsharing as a complement to roundtrip carsharing, while 19 % viewed it as a competitor. Twelve percent perceived it as both a complement and competitor. Operators noted public transit, smartcard, and electric vehicle integration as key to this modelâs expansion. Half of respondents believed one-way and roundtrip carsharing have similar social and environmental impacts. Given limited understanding of its impacts, more research is needed to document the benefits of one-way carsharing and to help inform policymaking and urban mobility.
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 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».