Towards a better understanding of changes in cost per riders for bus routes before and after the COVID-19 pandemic in Montréal, Canada
Notice bibliographique
Résumé
The COVID-19 pandemic has severely impacted the finance of transit agencies by reducing farebox revenues. Combined changes in ridership and service operation levels have further transformed the financial efficiency of public-transit services. Understanding how these changes vary between routes is crucial to inform service optimization processes to reduce transit agencies' operational deficits. Using data from the bus network in Montréal, Canada, for 2019 and 2022, we assessed changes in cost per rider at the route-level before and right after the COVID-19 pandemic. We categorized daytime multi-stops bus routes ( N = 184) based on the income of the areas they served and their cost per rider across both years to assess diverging temporal and spatial patterns. Our results highlighted that high cost per rider routes were mostly located in the periphery of the study area and in the downtown core and that such patterns worsened following the pandemic, particularly for the downtown core. We observed that routes which served higher income areas tended to have higher cost per rider on average than middle- or low-income ones. We further confirmed this finding by categorizing bus routes by their cost per rider, finding that high cost routes in both 2019 and 2022 tended to be serving higher income areas than other routes. The consideration of both temporal, spatial and socio-economic variation of the cost of bus services provides nuance insight to transportation planners as they aim to optimize bus services while being mindful of potential ridership loss and vertical equity issues.
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 | 0,001 | 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 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 ».