Ridehailing use, travel patterns and multimodality: A latent-class cluster analysis of one-week GPS-based travel diaries in California
Notice bibliographique
Résumé
• Utilize two large GPS-based travel diary datasets collected from California residents. • Identify four traveler groups: drive-alone users, carpoolers, transit users and cyclists. • Each traveler group has distinctive characteristics and modality style. • Transit users have the highest rate of ridehailing adoption and usage. • Travelers substitute ridehailing for their most-used travel modes. Based on the analysis of one-week GPS-based travel diary data from the four largest metropolitan areas in California, this study performs a latent-class cluster analysis and identifies four distinctive traveler groups with varying levels of multimodality. These groups are characterized by their distinctive use of five travel modes (i.e., single-occupant vehicles, carpooling, public transit, biking, and walking) for both work and non-work trips. Two of these groups are more car-oriented and less multimodal (i.e., drive-alone users and carpoolers), whereas the other two are less car-oriented and display higher levels of multimodality (i.e., transit users and cyclists). Results from this study reveal the unique profiles of each traveler group in terms of their sociodemographic characteristics and built-environment attributes. The study further investigates the different characteristics of each traveler group in relation to ridehailing adoption, trip frequency and trip attributes. Transit users are found to have the highest rate of ridehailing adoption and usage. They are also more prone to use pooled ridehailing services in comparison to other groups. In terms of mode substitution, if ridehailing were not available, respondents tend to choose the mode they use most frequently. In other words, car-based travelers are more likely to substitute ridehailing trips with car trips, whereas non-car-based travelers are more likely to replace ridehailing with less-polluting modes. The findings from this study will prove valuable for transit agencies and policymakers interested in integrating ridehailing with other modes and promoting more multimodal and less car-dependent lifestyles.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».