Modeling Dockless Shared E-Scooter Demand by Time of Day: A Case Study of Austin
Notice bibliographique
Résumé
The goal of the current study is to identify and quantify the influence of various contributing factors on dockless e‐scooter demand. Drawing on high‐resolution e‐scooter trip level data for 2019 from Austin, Texas, we develop census tract (CT) level demand data for four time periods of the day. The time‐period specific data is partitioned for weekdays and weekends. Using the prepared datasets, we develop a joint panel linear regression (JPLR) model framework that accommodates for the influence of unobserved factors at multiple levels‐CT, month, day, and time period levels. The analysis results indicate that the proposed JPLR models outperform the independent linear regression models for both weekdays and weekends. The results also manifest a significant association between e‐scooter demand and several independent variables including sociodemographic attributes, transportation infrastructure variables, land use and built environment variables, meteorological attributes, and situational attributes. Further, several panel‐specific correlation effects are found to be significant across four dimensions highlighting the importance of accommodating the influence of common unobserved factors on e‐scooter demand across different time‐of‐day dimensions. The model validation exercise results revealed that the proposed models performed well compared to the independent models. Finally, the estimated models are employed to conduct a policy exercise illustrating the value of the estimated models for understanding CT level e‐scooter demand on weekdays and weekends. The results indicate that land use mix, proportion of commuters, and season are some of the most influential factors for e‐scooter demand.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 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) | 0,003 | 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 ».