Will you ride the train? A combined home-work spatial segmentation approach
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
While the influence of land use and transport networks on travel behavior is known, few studies have jointly examined the effects of home and work location characteristics when modelling travel behavior. In this study, a two-step approach is proposed to investigate the combined effect of home and work location characteristics on the intent to use a new public transport service. Using data from the 2019 Montreal Mobility Survey (n=1698), this study examines the intent to use the Réseau Express Métropolitain (REM), a light rail under construction in Montreal, for commuting. A segmentation analysis is first conducted to characterize commuters based on their home and work location characteristics, resulting in six distinct home-work clusters. The clusters are then included in an ordered logistic regression modelling the intent to use the REM, along with socio-economic and attitudinal characteristics. Results from a dominance analysis reveal that the clusters are the third most important determinants of the intent to use the REM, even when controlling for individual characteristics. The addition of the clusters leads to a significant improvement of the model (likelihood of -2388.9 improved from -2400.7, p-value < 0,05). All other clusters have a significantly lower probability (between 32 and 51% less likely) of intent to use the REM than the typical commuters (who commute from the suburbs to downtown, often by transit), at a 95% confidence interval. These findings underscore the implications of pursuing radial public-transport networks, illustrating the ability of the proposed approach to identify which groups are likely to benefit from a public-transport project and to propose recommendations anchored in joint home and work location patterns.
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 découle