Urban public transportation systems: understanding the impacts of service improvement strategies on service reliability and passenger's perception
Notice bibliographique
Résumé
Les systèmes de transport public sont essentiels à la durabilité et la qualité de vie de toute ville. Mon travail de recherche de doctorat vise à développer différents moyens permettant de comprendre comment l’utilisation de stratégies d’amélioration de la qualité des services de transport en commun peut fournir un service plus fiable tout en ayant un effet positif sur la perception du public envers ce mode de transport. En lien, cette thèse vise à répondre à plusieurs questions de recherche:•Quels sont les chevauchements et déconnexions entre la perspective des sociétés de transports et celle des passagers en ce qui concerne l’impact des stratégies d’amélioration du service et la fiabilité du service?•Quels sont les avantages de mettre en oeuvre simultanément plus d’une stratégie pour les sociétés de transports ? Quelle sera la réponse immédiate des passagers?•Quels sont les impacts de la mise en oeuvre des différentes stratégies sur la variation du service d’autobus?•Comment les réactions des passagers évoluent-elles dans le temps en ce qui concerne leurs propres estimations du temps économisé?•Comment les réponses à ces questions peuvent-elles être utilisées pour améliorer la planification des transports en commun et la prise de décision à l’avenir?Ces questions sont abordées à travers quatre études d’approche méthodologies mixtes. Dans un premier temps, une revue de littérature intégrée traite simultanément la perspective des usagers et de celle des sociétés de transports quant à l’amélioration des services de transport en commun et sa fiabilité. La recension de ces deux enjeux conjointement contribue à la littérature scientifique puisqu’elle offre un point de vue pratique sur le sujet tout en identifiant les lacunes de la planification et de l’opération des services de transport en commun en matière de fiabilité du service offert et d’étude d’impacts concernant les stratégies d’amélioration du service. En réponse aux lacunes identifiées dans la littérature, j’ai réalisé plusieurs volet de la recherches en utilisant une étude de cas à Montréal,QC: le corridor d’autobus du boulevard Saint-Michel. Il s’agit d’un corridor très achalandé situé à l’est du centre-ville de Montréal. La Société de transport de Montréal a adopté une série de stratégies, sur une période de trois ans, dans le but d’améliorer le service de transport en commun sur l’île de Montréal. Parmi ces mesures, on compte l’usage de cartes à puces, l’introduction de lignes express, l’aménagement de voies réservées, l’usage d’autobus articulés, et l’installation des feux prioritaires pour bus. Cette thèse contribue à l’avancement de connaissance sur le sujet de quatre manières:•Elle identifie les écarts et les chevauchements entre le point de vue des sociétés de transports et celle des passagers concernant la fiabilité du service et l’impact des stratégies d’amélioration du service tout en identifiant un ensemble d’approches permettant de saisir la réaction des usagers envers les décisions d’amélioration du système de transport en commun•Elle développe des méthodologies pour approfondir la compréhension des impacts des stratégies d’amélioration et de leur interaction sur la performance du système de transport en commun•Elle développe également des méthodologies pour approfondir la compréhension des impacts des stratégies d’amélioration et de leur interaction sur la variabilité du système de transport en commun•Elle permet de mieux comprendre la réponse des usagers à la mise en oeuvre de ces stratégies, dans quelle mesure ils surestiment leurs économies de temps et comment la variation de leurs estimations dans le temps influence leur perception du service de transport en commun.En répondant à ces questions, ce travail explore une lacune importante dans la compréhension actuelle de la relation entre les perceptions des usagers d’une part et la perspective des sociétés de transport en commun et les stratégies d’amélioration qu’ils utilisent d’autre part.
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 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».