Investigating Anticipated Changes in Post-Pandemic Travel Behavior: Latent Segmentation-Based Logit Modeling Approach Using Data From COVID-19 Era
Notice bibliographique
Résumé
The unprecedented situation created by the COVID-19 pandemic in the year 2020 has drastically changed daily mobility patterns around the world. Various measures were implemented to prevent the transmission of the virus, which have resulted in short- and long-term impacts on the activity systems and daily travel. To capture the impacts of the pandemic on travel behaviors and activity systems, a web-based survey was designed and administered in April–May 2020 in Montreal, Canada. In addition to questioning on pre- and during COVID-19 behaviors, it included a section on how people expected to travel, telework, shop online, and so forth in the post-pandemic era. Using data from this survey, which gathered 1,620 completed questionnaires, this paper proposes insights into how people are planning to travel in a post-COVID-19 world using latent segmentation-based logit modeling technique. Three models are estimated to identify factors related to expected trip frequency, expected transit usage, and expected bike usage. Undertaking such modeling approach provides opportunity to understand different types of individuals’ preferential behaviors. This study probabilistically identifies two latent segments, suburbanite and urbanite people, and finds considerable heterogeneity across sample individuals. For example, urbanite people tend to increase their expected number of trips after COVID-19 if they have at least one bike in their household. Suburbanite people exhibit an opposite relationship, and they are more likely to keep their trip frequency the same as before. Findings of this study will assist decision makers in developing effective policy measures to better prepare for the changes in travel behaviors after COVID-19.
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 | 0,004 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».