MétaCan
Menu
Retour à la cohorte
Enregistrement W4205759280 · doi:10.1155/2022/2445693

An Empirical Study on the Segmentation of Potential Users of Shared Parking Spaces considering Individual Heterogeneity

2022· article· en· W4205759280 sur OpenAlex
Ange Wang, Hongzhi Guan, Jun Guo, Yan Han, Hangjin Bian

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

venuePublié dans une revue dont le pays d'attache est le Canada.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueJournal of Advanced Transportation · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueSmart Parking Systems Research
Établissements canadiensnon disponible
Organismes subventionnairesBeijing Municipal Natural Science FoundationNational Natural Science Foundation of China
Mots-clésExpectancy theoryLatent class modelUnified theory of acceptance and use of technologyPsychologyStructural equation modelingEmpirical researchLatent variableHabitAffect (linguistics)Travel behaviorExplanatory powerSegmentationComputer scienceSocial psychologyStatisticsTransport engineeringMathematicsEngineeringArtificial intelligenceMachine learning

Résumé

récupéré en direct d'OpenAlex

Shared parking has become the most effective way to utilize existing parking resources. Little attention has been focused on drivers’ intention to use shared parking spaces in residential areas considering individual heterogeneity. To fill this gap, this paper explores the influencing factors and mechanism of shared parking use intention (SPUI) and further studies the preferences for the shared parking of different types of drivers. Firstly, based on the extended unified theory of acceptance and use of technology that includes psychological factors, personal attributes, and travel characteristics, the multiple indicator multiple cause (MIMIC) model was employed for parameter estimation and model assessment. Secondly, using MIMIC’s output results as input variables, the segmentation method of the latent class model (LCM) was adopted to explore drivers’ preferences regarding SPUI. Finally, a quantitative study was carried out through questionnaire data. The empirical results show that: (a) the extended unified theory of acceptance and use of technology has good explanatory power for SPUI. SPUI is directly affected by perceived risk (PR), behavioral habit (BH), social influence (SI), facilitating conditions (FCs), and effort expectancy (EE), while performance expectancy (PE) have no significant effect on SPUI. In addition, some factors of personal attributes and travel characteristics affect SPUI through psychological factors. (b) According to individual heterogeneity, the surveyed driver groups are divided into four segments: sensitive type (36%), conservative type (29.6%), neutral type (24.5%), and approved type (9.9%), respectively. There are significant differences in psychological observation variables such as EE, PE, FC, and SI among the four segments of drivers. According to the influence mechanism of psychological factors and preferences analysis of different types of drivers, the shared parking promotion strategy can be formulated from the aspects of management, operation, and technology.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,801
Score d'incertitude au seuil0,325

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,044
Tête enseignante GPT0,329
Écart entre enseignants0,285 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle