Discrepancies between initial applicants and actual users of a new microtransit service: The case of FlexRide Milwaukee
Notice bibliographique
Résumé
• On-demand, microtransit service helped low-income workers reach suburban jobs. • High use by people who were Black, without cars, under age 35. • Actual use by low-income workers and women was lower than initial applications. • Actual use by unemployed, cash users, and third-shift workers was lower than initial applications. Amid the long-term trend of declining transit ridership in the US, there is growing interest in leveraging on-demand microtransit to complement existing transit service, particularly to improve the accessibility of autoless riders to jobs, health care, or other activities in lower-density areas that are inefficient to serve with fixed-route transit. However, relatively little is known about whether these new microtransit services effectively serve their intended user groups. We studied FlexRide Milwaukee, an on-demand, microtransit service created to connect low-income workers and job seekers from predominantly Black neighborhoods on the northwest side of the City of Milwaukee, Wisconsin with predominately white, employment-rich suburbs. This employment-focused service helped FlexRide users reach jobs located in suburbs with limited transit service. Analyzing trip data from the FlexRide pilot study period (April 18 to September 30, 2022), we profiled 713 applicants who showed initial interest in trying the service. Ultimately, 428 of these applicants signed up as participants to use the service and 128 of them actually used FlexRide Milwaukee (80 frequent and 48 occasional riders). Descriptive analyses and logistic regression models showed that participants used FlexRide more often if they were already employed, Black, or did not have access to a household vehicle. However, compared with their high levels of initial interest, people with low incomes and women underused FlexRide Milwaukee. People who were unemployed, used cash, or worked third shift also underused the service. More research is needed to understand the latent demand for this type of microtransit service among these groups.
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 | 0,000 | 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 ».