Commuting to College: An Analysis of a Suburban Campus on the Outskirts of Madrid
Notice bibliographique
Résumé
This paper aims to analyse human mobility in a university campus on the outskirts of the Madrid region. Several surveys which were distributed to students for completion during the 2017‐2018, 2018‐2019, and 2021‐2022 courses were examined. Both an exploration of existing transport modes using clustering techniques and a statistical analysis on trip origins, travel times, and distances were performed. Not all municipalities with the highest number of trips were the closest to the university. The clustering analysis identified a lower variability in the use ratio of the transport modes in the 2017‐2018 course. The private car, which exhibited a low sharing rate, was the most utilised transport mode. This was followed by public and university transportation. Similarities between the probability distributions of journeys using public and university transports were found. High and moderate correlations between the number of the existing stops and the amount of trips by subway and urban bus were detected. The lowest median values of travel distances corresponded to students, administrative staff, teachers, and researchers who exhibited very similar values. Considering the three analysed academic years as a whole, the most likely travel times were 30–60 minutes. It was detected that a higher gross annual income did not imply higher private car use. Residents in areas with the highest ozone concentrations also exhibited a high use of motorised vehicles. A low familiarisation with car‐sharing and car‐pooling platforms was also found. Globally, a high level of comfort during the trip was mostly perceived.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».