Public transport and the COVID-19 pandemic: A comparative analysis of trends and policies in Great Britain, Germany, the USA, Canada, and Australia
Notice bibliographique
Résumé
This paper compares changes in urban public transport (PT) demand and supply before, during, and after COVID-19 in Great Britain, Germany, the USA, Canada, and Australia. We also examine a range of PT system measures and government policies implemented during and since the pandemic to improve safety, adjust service levels, and encourage ridership. Ridership fell sharply in 2020 and 2021, when COVID-19 rates were highest. As a percentage of 2019 levels, the lowest annual ridership for each country was 31% for Great Britain, 42% for Canada, 46% for the USA, 48% for Australia, and 64% in Germany. The latest full year of available data (2024) indicates that Germany (94%), Great Britain (90%), and Australia (90%) recovered the highest percentages of 2019 ridership levels, compared to 83% in Canada and 77% in the USA. Bus ridership declined less than rail ridership and recovered more fully, especially in the USA, Canada, and Australia. Our analysis of PT in five large cities finds that recovery rates were generally higher on weekends than on weekdays, both for bus and rail. The most important government policy for PT has been a massive increase in funding, especially from central governments, to offset the large operating budget deficits resulting from lost passenger revenue. That funding enabled PT systems to maintain or reduce fares while avoiding large reductions in supply. Dependable government support will be necessary in the coming years to make PT financially sustainable and to enable long-term planning for infrastructure modernization and improved service.
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 | 0,005 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,000 | 0,001 |
| 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 ».