One size does not fit all: Evaluating the impact of accessibility on commute duration and public transport mode share for different income groups in Canadian metropolitan regions
Notice bibliographique
Résumé
Le concept d’accessibilité s’est révélé être un facteur influent sur les résultats et les comportements liés aux déplacements domicile-travail, comme par exemple le temps du trajet et le mode de transport choisi. Également, des chercheurs ont constaté que l’accessibilité s’avère être un élément essentiel à l’élaboration des plans de transport durables et équitables. Cependant, il n’existe actuellement aucune étude ayant examiné le croisement de ces domaines de recherche dans le cadre d’une optique axée sur l’équité et ayant pour but d’évaluer l’impact de l’accessibilité en tant que facteur agissant sur les résultats et les comportements de transport. Cette thèse vise à combler ce manque en examinant, dans un contexte salarial, l’impact que peut exercer l’accessibilité sur les temps de trajets et la part modale des transports en commun ainsi que la variation de cet impact entre les groupes à faible revenu et ceux à revenus élevés. Dans la première partie de cette recherche, j’évalue la relation entre l’accessibilité, aux emplois et aux travailleurs en voiture ou en transports publiques, et le temps de trajet pour les personnes à faible revenu par rapport aux personnes à revenu plus élevé. Pour ce faire, des données provenant de trois des plus grandes régions métropolitaines au Canada ont été utilisées tout en faisant appel à des modèles statistiques multiniveaux à effets mixtes distincts. Dans le cadre de cette étude, des mesures d’accessibilité ont été générées pour les emplois et employés à la fois au point d’origine (le domicile) et au point de destination (le lieu de travail) afin de prendre en considération l’impact des travailleurs et des entreprises en concurrence. Nos modèles dans cette étude démontrent que les impacts d’accessibilité sur le temps de trajet sont présents et, dans de nombreux cas, s’avère être plus importants pour les groupes à faible revenu que les groupes à revenu élevé. Les résultats suggèrent que les personnes à faible revenu ont plus à gagner (en termes d’une réduction du temps de trajet) d’une augmentation en accessibilité aux emplois à faible revenu au point d’origine et aux travailleurs à faible revenu au point de destination. De même, ils ont plus à perdre à la suite d’une augmentation en accessibilité des travailleurs à faible revenu au point d’origine et des emplois à faible revenu au point de destination.La suite de cette recherche examine la relation entre l’accessibilité aux emplois en transports collectifs et la part modale des transports en commun au point d’origine pour le groupe à faible revenu comparativement au groupe à revenu plus élevé en utilisant une série de modèles de régression linéaire effectués au niveau du secteur de recensement. Des recherches antérieures ont démontré qu’il existe une relation non-linéaire entre l’accessibilité et la part modale des transports en commun et à ce titre, une relation quadratique est utilisée dans cette étude pour l’estimer. Nos résultats montrent que les impacts de l’accessibilité sur la part modale sont présents pour les deux groupes de revenus et que les impacts sont plus importants pour le groupe à faible revenu. De plus, il a été prouvé que pour les groupes à faible revenu dans les régions métropolitaines, il existe un point au-delà duquel une amélioration d’accessibilité entraînera une diminution de la part modale des transports en commun. Toutefois, ce point se produit lorsque l’accessibilité se situe au 80e centile, de sorte que des améliorations dans la part modale sont néanmoins attendues dans la plupart des zones de ces régions métropolitaines lorsque l’accessibilité s’améliore. En outre, dans les régions où une relation linéaire entre l’accessibilité et la part modale est plus pertinent, l'accessibilité peut être améliorée dans l'ensemble de la région, ce qui pourrait entraîner une augmentation de l'utilisation du transport en commun pour le groupe à revenu élevé et, dans une plus grande mesure, pour le groupe à faible revenu
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 | 0,003 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».