Modeling bicyclists' destination location choice: Spatial-temporal constraint for choice set generation
Notice bibliographique
Résumé
With growing environmental concerns and increased awareness about physical fitness, many people are shifting their travel mode to bike for various activities. Hence, understanding bike users' destination choice behavior is crucial for developing policies and making infrastructure investment decisions. This study develops a mixed logit model with panel effect to analyze destination location choice for bike user’ home-based tours. The study adopts time-space prism concept to generate activity-specific choice sets, accommodating spatial, temporal, and physical strength constraints. The model is estimated using travel survey data from the Okanagan region of British Columbia. It has been tested for different sizes of choice sets, and goodness-of-fit measures have been compared to identify the model that best fits the data. The results suggest that tour-related attributes, individual characteristics, work profiles, built environment characteristics, and transportation infrastructure-related variables significantly influence destination choices. For example, bike users prefer destinations closer to home. However, variation exists based on tour types. For simple tours with one destination, bike user may travel longer distances, whereas for complex tours with multiple destinations, they may prefer shorter distances for each leg of the tour. Telecommuters may travel longer distances, while commuters show significant variability in their destination choices – some prefer traveling shorter distances while others travel farther. Important policy variables include a higher density of activity destinations, bike lane to road length ratio, and bike index, which may attract more biker users. The findings of this study will facilitate in developing travel demand models sensitive to bike users' travel behavior.
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 | 0,004 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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 ».