An Exploration of the Decline in E-Scooter Ridership after the Introduction of Mandatory E-Scooter Parking Corrals on Virginia Tech’s Campus in Blacksburg, VA
Notice bibliographique
Résumé
We report shared e-scooter ridership and rider perceptions on Virginia Tech’s Blacksburg campus before and after introduction of mandatory e-scooter parking corrals in January 2022. The analysis relies on a panel of 131 e-scooter riders surveyed in Fall 2021 and Spring 2022. Although parking corrals were perceived favorably prior to implementation, perceptions became more negative afterwards. Respondents said corrals were not located where needed, difficult to find, fully occupied, and took too much extra time to use. After parking corrals were introduced, ridership declined 72% overall and also fell for all socio-economic subgroups. The heaviest user groups, like undergraduate males, were most likely to quit. The first study identifying desired and actual egress times for e-scooters, we found that roughly two-thirds of riders desired egress times under 2 min and one quarter under 1 min. Prior to the introduction of parking corrals, 82% of riders reported actual egress times under 2 min, and 43% under 1 min. Those who kept riding after the introduction of e-scooter corrals reported longer actual egress times and a stronger stated desire for egress times under 2 min. Communities should be careful when imposing e-scooter parking restrictions to ensure that e-scooter egress time is sufficiently low—ideally within an easy 2 min walk of popular origins and destinations.
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 | 0,001 | 0,004 |
| 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 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».