Research on Nonlinear Associations and Interactions for Short-Distance Travel Mode Choice of Car Users
Notice bibliographique
Résumé
Encouraging car users who travel short distances to shift from car mode to active travel modes can effectively alleviate urban traffic congestion and reduce carbon emissions. However, few studies have examined the determinants of the travel mode choice of short-distance car users and ignored the nonlinear associations and interactions between variables. This paper conducts a questionnaire survey to investigate the short-distance travel mode choice of car users who travel less than 4 km in a specific city. A random forest (RF) model is applied to examine the influence of key variables on these three travel mode choices of short-distance car users and to explore the nonlinear associations and interactions of the variables. Compared with multinomial logic model, the results of RF show that significant threshold effects exist in the relationship between the car user’s travel mode choice and the selected explanatory variables, mainly travel distance, road network density, distance to CBD, and number of bus stops. In particular, 1.2 km is a critical turning point for car and active travel mode choice, before which car users prefer to travel by walking and cycling and after which there is a significant increase in the car use probability. When the road network density was between 2.5 km/km2 and 6.5 km/km2, the proportion of car users who chose cycling showed an increasing trend, while car use showed a decreasing trend. These findings can provide a solid basis for planning managers to develop policy measures to encourage environmentally sustainable travel.
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 distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».