Exploring the joint impacts of income, car ownership, and built environment on daily activity patterns: a cluster analysis of trip chains
Notice bibliographique
Résumé
Clustering activity patterns and identifying homogeneous travel behaviour through trip chain sequences offer valuable insight for transportation planners and policymakers in addressing transport equity problems and travel demand management. This study explores how income and car-ownership levels determine mobility patterns and travellers' decisions. Unlike previous studies that investigated the travel mode and destinations separately, we designed a novel, aggregated form considering the trip purpose and associated transport mode use as a unit of our analysis. To mitigate the subjectivity of rule-based approaches for trip chain analysis, we employ a novel sequence clustering framework to extract homogeneous clusters of activity patterns. Our results reveal that income and car-ownership levels influence travellers' travel decisions and mobility patterns. Among low-income carless households, 37% of their daily trips include care activities where women more frequently than men play this traditional role in a household by either public transit or a car as a passenger. In the low-income car-owner subsample, females still use public transit for their work trips, whereas males more often use the available car to commute to work. Males of wealthy carless households integrate public transit and active transportation for their daily trips when they live in high-density and more accessible neighbourhoods. While our findings demonstrate the impact of car ownership, income, and built environment on trip-chaining behaviour, we recognise that achieving transport equity will require tailored transportation and land use policies and investments that address the specific needs and barriers faced by different household types, particularly the most vulnerable ones in terms of sociodemographic characteristics, accessibility levels, and affordability issues. Hence, we recommend that policymakers and planners take a more holistic approach to transportation planning that considers the interplay of these factors to ensure that transportation systems and services are accessible, affordable, and equitable for all.
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 | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,014 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 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 ».