The Effects of COVID-19 on Public Transit in the City of Calgary: Fiscal Impacts and Equity Considerations
Notice bibliographique
Résumé
Using monthly public transit revenue data, we investigate the effect of the SARS-CoV-2 (COVID-19) pandemic on public transit revenues in the large urban municipality of Calgary in Alberta, Canada. Calgary provides a poignant environment in which to examine the effect of COVID-19 on transit fare revenues. First, City Council has set a general policy whereby 50% of Calgary Transit operating costs are to be recovered through operating revenue, including transit fare revenue. Second, Calgary Transit has a unique program—the fare entry program—that heavily discounts public transit fares to qualifying low-income Calgarians. The fact that these fare products exist at not only the level of the local transit authority but also that the revenues from these products are tracked separately by the transit authority allows for an equity analysis of the impact of COVID-19 on public transit use that would not be possible in other jurisdictions. As a result, we can consider the impact on different user groups over the pandemic, paying particular attention to the inequitable impacts on transit users. Finally, Calgary was hit hard by COVID-19 caseloads, spread, and public health orders that resulted in the immediate reduction of public transit use. We find that COVID had the largest (statistically significant) impact on adult transit fare revenue, a smaller impact on youth fares, and almost no impact on low-income fares suggesting that youth and low-income transit pass users were less able to substitute away from or forgo public transit during the COVID shock, unlike adults. Reductions in transit services that occurred at the same time were more likely borne by youth and low-income transit users. To minimize service reductions and their inequitable effects, we argue that given municipalities have little financial power and flexibility, higher orders of government should provide transit operating funding during times of transit fare shocks.
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 | 0,002 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,005 | 0,002 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 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 ».