Inferring the Purposes of using Ride-Hailing Services through Data Fusion of Trip Trajectories, Secondary Travel Surveys, and Land Use Data
Notice bibliographique
Résumé
This paper presents a data fusion methodology for inferring trip purposes from GPS trajectories of ride-hailing services in Toronto. The methodology has a discrete choice model at its core that predicts the most probable purpose distributions using only basic trip-related information such as approximate pick-up and drop-off locations, trip start times, and land use characteristics around the origins and destinations. The choice model is estimated using revealed trip purpose data from a small-sample travel survey augmented by land use information from an enhanced point of interest database and the census. The methodology is applied to the trajectories of commercial ride-hailing trips made in Toronto between September 2016 and September 2018. For the core choice model, multinomial, nested, and mixed multinomial logit models are compared. Validation of the inferred trip purposes using the trip purpose proportions from another independent survey (not used in choice model estimation) reveal that the multinomial logit model can infer ride-hailing trip purpose distribution with reasonable accuracy. The inferred purpose distribution explains the nature of ride-hailing trips and provides important context of travel demand generated by the services. The results indicate that although ride-hailing services are mostly used for discretionary activities, they also play important roles in daily commuter travel. A quarter of the total weekday ride-hailing trips were made for work- and school-related activities. With increasing ridership, these services may start influencing conventional travel modes and thereby adversely affect the level of traffic congestion and transit ridership in the city.
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 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».