Car ownership, carsharing, neighbourhood types and travel attitudes: A latent-cluster analysis
Notice bibliographique
Résumé
• Analyzes car ownership and carsharing decisions using Montreal (Canada) data. • Identifies four types of residential neighbourhoods using latent-cluster analysis. • Identifies four attitude-based profile of respondents using latent-cluster analysis. • Cross-analyzes the two segmentations to investigate car ownership/carsharing choice. • MNL confirms the influence of neighborhood types and attitude profiles on choice. The availability of carsharing in cities around the world has allowed more households to take advantage of the service as an alternative or a complement to private car ownership. While most research has looked at the effect of carsharing on car ownership decisions using carsharing users’ surveys, very few have modelled the choice of car ownership and carsharing jointly using independent surveys. This paper investigates the complex relationship between this joint decision, the built environment, and travel-related attitudes. Using data from two surveys in Montreal, latent-cluster analysis is used to identify a typology of residential neighbourhoods and a segmentation of attitude profiles. Cross-analyzing the two segmentations suggests that those with more positive attitudes towards the car are more likely to own cars and less likely to join carsharing across all neighbourhood types compared to less car-oriented profiles. However, people from all attitude profiles own fewer cars in more central neighbourhoods than in more suburban locations. Finally, a MNL model where sociodemographics and residential parking are controlled for confirms that both the built environment and attitudes independently influence the joint decision. Results also suggest that attitudes are associated with residential location choice, hinting at the presence of residential self-selection or environmental determinism. In summary, the analysis indicates that policy measures aimed at expanding carsharing vehicle availability for promoting carsharing as an alternative to car ownership may primarily impact individuals who are less drawn to the symbolic and emotional aspects of traditional cars.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 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 ».