Travel Behavior of Car Travelers with the Presence of Park-and-Ride Facilities and Autonomous Vehicles
Notice bibliographique
Résumé
Travelers' behavior is predicted based on their individual preferences. People search for alternatives to maximize their benefit from doing activities, such as increasing the activity time by minimizing the travel time. Traffic congestion and the scarcity of parking spaces in the city center motivate the decision-makers to encourage travelers to use the park-and-ride (P&R) system. An evaluation concerning the impact of using the P&R system on the travel behavior of car users is conducted. Some of the existing P&R facilities are incorporated into the daily activity plans of car travelers to produce new daily activity plans (i.e., P&R facility is considered an activity). By using the Multi-Agent Transport Simulation (MATSim) open-source tool, simulations of the daily activity plans including the P&R system and autonomous vehicles (AVs) are conducted. The study examines three scenarios: (1) a simulation of the existing condition, (2) a simulation of the daily activity plans of the travelers with the P&R system, and (3) a simulation of the daily activity plans of the travelers with the P&R system and AVs. The results show that using the P&R system increases the overall travel time compared with the existing conditions, and the use of AVs as a transport mode impacts the existing modal share as follows: 64 % of the car users switch to AVs, while 15 % of the car users switch to public transport. The output of this study might be used by policy-makers in parking pricing and the location of the P&R facilities.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| 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 ».