Trip Generation of Vulnerable Populations in Three Canadian Cities: Spatial Ordered Probit Approach
Notice bibliographique
Résumé
This paper provides an analysis of trip generation of three vulnerable groups: single-parent families, low income households, and the elderly. It compares mobility of these groups to that of the general population in three Canadian urban areas of Hamilton, Montreal and Toronto, based on data from large-sample metropolitan transport surveys. Ordered probit models with spatially expanded coefficients are used for the analysis. The ordered probit model addresses several short-comings of multivariate regression, and the spatial expansion of coefficients allows for comparisons of mobility rates among vulnerable populations over space. Trip generation rates of the elderly and single parents are found to have a stronger positive correlation with auto ownership and employment than the rest of the population. Trip generation rates of the low income individuals are more positively correlated with transit access. Spatial expansion shows that there are spatial mobility trends within each city for elderly populations even after socio-economic attributes are accounted for. In Hamilton and Montreal, mobility decreases in suburban areas. In Toronto, the lowest mobility for the elderly is found in the northwest. Such spatial differences are not found for single parent families. For low income households in Montreal, lowest levels of mobility occur north and south of the Montreal CBD. This spatial analysis provides clues as to where vulnerable populations may experience greater degrees of social exclusion. Further investigation in these areas could help prioritize transportation infrastructure projects or other social programs to account for the needs of vulnerable populations with the lowest levels of 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 | 0,012 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,003 | 0,005 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 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 ».