Investigating Changes in Ride-Sourcing Use during the COVID-19 Pandemic: Evidence from a Two-Cycle Survey of the Greater Toronto Area
Notice bibliographique
Résumé
The rapid spread of the SARS-CoV-2 virus has resulted in changes in modal preferences, leading to an increased preference for individual modes (e.g., private vehicles and active modes) and a reduced preference for shared modes. However, ride-sourcing represents somewhat of a middle ground between individual and shared modes, given the relatively limited number of interactions with strangers. Consequently, these services have the potential to serve as an alternative to public transit, particularly for those without a private vehicle. Given the extent to which ride-sourcing impacted transportation systems prior to the pandemic, as well as the impacts of the COVID-19 pandemic on modal preferences, it is essential to understand the short- and long-term impacts of the pandemic on ride-sourcing use. The goal of this paper is to examine how ride-sourcing use, attitudes toward ride-sourcing services, and the anticipated use of ride-sourcing in the postpandemic period have changed over the course of the COVID-19 pandemic. The data for this study were obtained through a two-cycle survey conducted using a web-based interface in the Greater Toronto Area. The results suggest that ride-sourcing use and attitudes toward ride-sourcing services have rebounded from the initial impacts of the pandemic and that these services could be acting as an alternative to public transit. Additionally, the results highlight how changes in the utilization of ride-sourcing over the course of the pandemic can vary based on factors such as age, household income, and household vehicle ownership. The findings presented in this study can be used to help identify trends in ride-sourcing use that should be monitored both during and after the pandemic. This information can assist in the development of future data collection programs that can inform policies that aim to address the negative externalities of ride-sourcing services.
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 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| 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) | 0,001 | 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 ».