Correlates of Modal Substitution and Induced Travel of Ridehailing in California
Notice bibliographique
Résumé
The availability of ridehailing services, such as Uber and Lyft, affects the way people choose to travel and can enable travel opportunities that were previously suppressed, leading to additional trips. Previous studies have investigated the modal substitution and induced travel caused by ridehailing, yet few have investigated the factors associated with these travel behaviors. Accordingly, this study examines the personal and trip characteristics associated with ridehailing users’ decisions to substitute other modes of travel or conduct new trips by ridehailing. Using detailed survey data collected in three California metropolitan regions from 2018 and 2019, we estimated an error components logit model of ridehailing users’ choice of an alternative travel option if ridehailing services were unavailable. We found that over 50% of ridehailing trips in our sample were replacing more sustainable modes (i.e., public transit, active modes, and carpooling) or were creating new vehicle miles, with a 5.8% rate of induced travel, with public transit being the most frequently substituted mode. Respondents without a household vehicle and who use pooled services were more likely to replace transit. Longer-distance ridehailing trips were less likely to replace walking, biking, or transit trips. Respondents identifying as a racial or ethnic minority or lacking a household vehicle were least likely to cancel a trip were ridehailing unavailable, suggesting their use of ridehailing for essential rather than discretionary purposes. Together, these findings provide valuable insights for policy makers seeking to address the environmental and equity issues associated with ridehailing.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| 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 | 0,002 |
| 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 ».