Analyzing the influence of transit pass ownership on the determinants of ride-sourcing frequency in Metro Vancouver: Implications for policy and urban mobility planning
Notice bibliographique
Résumé
Amid the growing popularity and prevalence of ride-sourcing, there has been interest in examining the determinants of ride-sourcing frequency. Studies on the topic have noted the influence of socio-demographic attributes on ride-sourcing frequency. Additionally, limited studies have investigated the impact of public transit use and transit pass ownership on ride-sourcing frequency. However, studies of this nature treat transit pass ownership and transit use as explanatory variables. Consequently, additional work is needed to develop a more nuanced understanding of the determinants of ride-sourcing frequency. This study estimates an exogenous switching hurdle model to examine whether the determinants of ride-sourcing frequency (and their impacts) differ based on transit pass ownership among residents of Metro Vancouver. Using data from a web-based survey, ride-sourcing frequency was jointly modelled along with transit pass ownership and ride-sourcing adoption. The results highlight the potential for the determinants of ride-sourcing frequency to differ between segments of ride-sourcing users based on transit pass ownership. Overall, the results underscore the potential for the determinants of ride-sourcing use (and their impacts) to vary among different segments of ride-sourcing users. The information presented in this study can help inform efforts to mitigate the negative externalities associated with ride-sourcing by highlighting the potential value of a targeted approach to policy development.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| 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 ».