Stimulus Perception in Long-Distance Railway Mode Choice
Notice bibliographique
Résumé
In the context of countries in the so-called Global South, where passenger railway services are either nonexistent or poorly performed, discrete choice models are useful to identify the attributes that affect users’ choices and provide insights on their behaviour in regional long-distance trips. Several theories and models have been proposed to understand travel behaviour for effective strategical decision in the transport field. The well-knownRandom Utility Maximization (RUM) approach has been widely used for such purposes, while the Random Regret Minimization (RRM) approach has been recently explored in the literature. However, the magnitude in the difference of levels of the attributes, or the stimulus perception, may affect the results of such models and biases the estimations. Therefore, this paper aims to assess the stimulus perception in mode choice to compare conventional rail (CR) and high-speed rail (HSR) services for passenger transport in intercity trips in Brazil. Estimations of RUM and RRM models were performed with a dataset from a stated preference survey comparing two railway technologies (CR and HSR) with other modes of transport (car, bus, and airplanes) for long-distance trips in the Southeast region of Brazil. Findings provide useful insights about the impacts of travel costs, travel times, and frequency of services, as well as sociodemographic characteristics of users. From the modelling outputs, it was found that users are affected by the magnitude of travel costs, time, and frequency only in business trips by HSR in the Brazilian context.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».