Notice bibliographique
Résumé
This technical report presents the work undertaken in support of the City of Toronto’s Vehicle for Hire Bylaw Review by the University of Toronto Transportation Research Institute (UTTRI) to analyze the patterns in taxi usage over a 20-year period as recorded in the five most recent Transportation Tomorrow Surveys (TTSs): 1996 TTS; 2001 TTS; 2006 TTS; 2011 TTS; and 2016 TTS. The trip records in the TTS data have socioeconomic attributes of trip-makers (e.g., age, sex, etc.), their household characteristics (household size, number of vehicles owned, etc.) and trip attributes attached (Data Management Group – Reports, n.d.). They therefore provide a statistically representative description of taxi-users and their reasons for travel along with the spatiotemporal attributes of the trips. Previous studies have shown that the profiles of Uber-users and taxi-users are considerably different (Habib, 2019; Ozonder and Miller, 2019). Thus, the purpose of this study as documented in this report is to identify changes or stabilities in the taxi-user group and their trip patterns by comparing various distributions through a longitudinal analysis. This report is one of a series of project reports by the UTTRI team. It complements Report No. 1 (which examined PTC usage as reported in the 2016 TTS) and Report No. 2 (which compared PTC usage as reported in the 2016 TTS with the VfH PTC data). The rest of the report is organized as follows. Section 2 reports the results of taxi time-series analysis in three parts: in the first part, it discusses the attributes of trip-makers; in the second part, it compares distributions in household attributes over the years; in the third part, it explains the analysis results of the trip patterns. Section 3 concludes the report with a summary of findings.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».