Spatial dynamics of home delivery and pick-up in online shopping
Notice bibliographique
Résumé
Despite the growing popularity of online shopping, the last-mile delivery method is still a critical problem in the transportation industry. Understanding the choice of order collection methods is important to predicting travel demand, congestion, and emissions. This study investigates the choice of last mile order collection method, which includes 1) home delivery and 2) click and pick up (C&P). Data comes from a superstore chain in the Porto Metropolitan Area from Portugal, which includes 6 months of online grocery order data between January and June 2022 – involving 116,984 orders. The study employs a latent class binary logit model (LBL). The model captures unobserved heterogeneity by assigning individuals into discrete latent classes. Based on goodness-of-fit measures, the model is estimated for two classes. Class 1 predominantly represents consumers in suburban areas, whereas class 2 represents consumers from urban areas. Results reveal that the total number of boxes per order, average commute time, marital status, dwelling status, the proportion of single-parent families, and average distances of bus stop, grocery, and mall contribute to the preference for home delivery and C&P. Results indicate significant heterogeneity between suburban and urban neighborhoods, with suburban renters and suburban married populations showing a lesser preference for home delivery than their urban counterparts. The elasticity effect suggests that the delivery method preference is moderately sensitive to sociodemographic factors, whereas little to zero sensitive to accessibility features. The findings are expected to assist in understanding choices for the last-mile online order collection methods, including areas to prioritize for home delivery and pick-up facilities, as well as developing equitable transportation plans and policies.
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 | 0,000 |
| 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 ».