Understanding travel mode choice through the lens of COVID-19: a systematic review of pandemic commuters
Notice bibliographique
Résumé
The COVID-19 pandemic disrupted travel behaviours for very large numbers of people including those who shifted to teleworking and those without the option to work from home.While there is much valuable transport research that has examined the former category, it is still unknown how certain people such as health sector employees and delivery drivers changed their physical commuting in transport contexts that were radically different from those existing normally in urban areas.Based on a systematic review of 36 scientific publications on commuting during pandemic, this study pursues a dual objective.First, by examining the interrelated institutional, physical, and socio-psychological processes that supported or hindered low-carbon transport the study revealed that (A) public transport (PT) reduced service levels and concerns related to COVID were positively associated with substantial shifts away from PT towards car and active travel; (B) this positive association was found to be even stronger in the existence of pre-pandemic habit of car use for commute and strong negative emotions like fear triggered by environmental changes and health risks.Second, by synthesising the key findings from the literature, this study provides significant implications for how mode choice is modelled through the Theory of Planned Behavior and Norm Activation Model.By questioning whether the pandemic commuters had a "normal" set of travel mode alternatives to choose from, the study draws attention to the nuances of mode "choice" versus mode "use" and moves beyond the assumption that commuting always results from individuals making choices.It also argues that the role of (negative) emotions along with the importance of proximity to, or separation from, other bodies on how people commute should be considered in future research.Finally, the crucial role of COVID-19 in changing travel-related norms and the resulting long-term implications for policy interventions require further investigation by future research.
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 | 0,011 | 0,052 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,005 |
| Bibliométrie | 0,019 | 0,016 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».