Development of an integrated urban modelling framework for examining the impacts of work from home on travel behavior
Notice bibliographique
Résumé
This paper develops an integrated urban modelling framework (IUMF) to predict how work from home (WFH) decision affects travel behavior. First, it conducts a questionnaire survey among working professionals in Halifax, Canada, to collect data on their socio-demographic characteristics, mode choice, vehicle ownership, and work-arrangement. Bayesian Belief network models are developed using the collected responses to calculate the cumulative probability tables (CPTs) of variables associated with the decision to WFH. Next, the ascertained CPTs are used as input to extend an integrated urban modelling framework (IUMF) that is further utilized to simulate individuals’ work from home choices and travel behavior up to 2025 for Halifax, Canada. Results indicate that around 57% of the workers would like to WFH and 7% wants to relocate closer to workplace. The model forecasts a significant preference for remote work among individuals with offices in the urban core. Results also show that auto mode share is increased to 79% in 2024, whereas transit, walking and biking trips decreased. Average travel distance is higher in the post-pandemic compared to the pre-pandemic, while travel distance of telecommuters is found to be higher than non-telecommuters. Statistically significant differences are observed between telecommuters and non-telecommuters for ‘number of activities’ and ‘distance travelled’ in a day. The outcomes of this study will offer policy makers a better understanding of long-term impacts of WFH on transport and land-use systems and help to develop effective travel demand management strategies.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».