MétaCan
Menu
Retour à la cohorte
Enregistrement W4244133199 · doi:10.31219/osf.io/6x5yg

Measuring when Uber behaves as a substitute or complement to transit: An examination of travel-time differences in Toronto

2019· preprint· en· W4244133199 sur OpenAlexaffabout
Mischa Young, Jeff Allen, Steven Farber

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEngineering
ThématiqueTransportation and Mobility Innovations
Établissements canadiensThe Scarborough HospitalUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésTRIPS architectureTransit (satellite)Public transportTransport engineeringBusinessDuration (music)Urban transitTravel behaviorSample (material)KilometerDemographic economicsAdvertisingGeographyEconomicsEngineering

Résumé

récupéré en direct d'OpenAlex

Policymakers in cities worldwide are trying to determine how ride-hailing services affect the ridership of traditional forms of public transportation. The level of convenience and comfort that these services provide is bound to take riders away from transit, but by operating in areas, or at times, when transit is less frequent, they may also be filling a gap left vacant by transit operations. These contradictory effects reveal why we should not merely categorize ride-hailing services as a substitute or complement to transit, and demonstrate the need to examine ride-hailing trips individually. Using data from the 2016 Transportation Tomorrow Survey in Toronto, we investigate the difference in travel-time between observed ride-hailing trips and their fastest transit alternative. Ordinary least square and ordered logistic regressions are used to uncover the characteristics that influence travel-time differences. We find that ride-hailing trips contained within the City of Toronto, pursued during peak hours, or for shopping purposes, are more likely to have transit alternatives of similar duration. We also find discrepancies in travel-time to be often caused by lengthy walk- and wait-times for transit or because of transfers. Our results further indicate that 30.61% of ride-hailing trips in our sample have transit alternatives of similar duration. These are particularly damaging for transit agencies as they compete directly with services that fall within reasonable transit expectations. We also find that 26.87% of ride-hailing trips would take at least 30 minutes longer by transit. In light of these findings, we discuss recommendations for ride-hailing taxation structures.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,040
Score d'incertitude au seuil0,111

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,005
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,070
Tête enseignante GPT0,279
Écart entre enseignants0,209 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetTransportation and Mobility InnovationsTravaux en français237 207