Measuring the relationship between public transport share, urban sprawl and car ownership
Notice bibliographique
Résumé
It is widespread acknowledged that car access and urban sprawl are related to each other and that they both influence modal choice. Nevertheless, few methods have the ability to correctly account for these correlations. In this perspective, the method proposed by BONNEL (2000) is quite unique and relevant since it allows separating the effects of each variable. Up until now, the method has been applied and validated using Lyon and related household survey data as a case study. The purpose of this study is to transpose the approach to a North-American city. This experimentation, on the one hand, allows identifying and measuring the respective influences of locations and car access on the evolution of transit in Montreal. On the other hand, it allows comparing the results from the two cities and discussing the ability of the method to clarify this issue in various urban contexts. The microdata from the large-scale origin-destination household surveys held in the Greater Montreal Area are used for this purpose. This experience confirms that the mathematical approach proposed by BONNEL is capable of distinguishing between the respective impacts of the examined variables. Hence, it also confirms that urban sprawl (with respect to trip ends) has a more important impact than the increase of car ownership on the share of transit. Now that its consistency has been demonstrated with two independent sets of data, the method can be used and developed in various ways, namely by introducing new variables (transportation supply), splitting the population into significant segments or using a more precise zoning system. Motorisation et localisation sont, dans leur acception commune, deux variables liées, de même que le sont leurs effets sur le choix modal. Rares sont les méthodes permettant toutefois de tenir compte adéquatement de ces corrélations. C'est dans cette optique que Bonnel (2000) a développé une méthodologie permettant d'isoler les effets de chacune de ces variables. À ce jour, la méthode de décomposition des effets, développée par cet auteur a été appliquée au cas de Lyon. La présente recherche propose une transposition de la méthode au contexte de la grande région de Montréal. Cette expérimentation permet d'une part d'identifier et de mesurer les effets de la localisation et de la motorisation sur le choix modal dans le contexte bien particulier montréalais et, d'autre part, de comparer les résultats obtenus avec ceux présentés en ce qui concerne l'agglomération lyonnaise. Il est alors possible de discuter de l'applicabilité de la méthode à différents contextes urbains et de valider sa pertinence. Les données provenant des quatre plus récentes enquêtes Origine-Destination tenues à Montréal sont exploitées à cette fin. Ces expérimentations confirment que la méthode permet de dissocier les effets des variables explicatives et démontrent, à l'instar de Lyon, que l'évolution des localisations a joué un rôle plus important que la motorisation dans la régression de la part de marché des transports en commun à Montréal. Les perspectives de développement de la méthode semblent nombreuses, au travers notamment de la prise en compte de l'offre de transports en commun et de voirie, de la segmentation de la clientèle ou d'une désagrégation plus importante de l'espace.
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 | 0,005 | 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 | 0,003 | 0,002 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».