A Spatiotemporal Analysis of Shared Micromobility Trips in First- and Last-Mile Public Transit Integration
Notice bibliographique
Résumé
Shared micromobility services, such as electric scooters and electric bikes, have the potential to address first- and last-mile challenges of transit networks, and planners need to understand the factors driving the demand for these services. This study addresses that need through exploratory and regression analysis. First, we examined various catchment area sizes around transit stations to identify integrated trips. Subsequently, we conducted descriptive analysis and k-means clustering to investigate the spatiotemporal pattern of first- and last-mile trips. In the final phase, we developed regression models to identify factors influencing demand for these trips, using datasets collected from Calgary, Canada. The analysis revealed that during weekday morning hours, first-mile trips outnumbered last-mile trips, while this trend reversed during the afternoon hours. On average, the integration ratio was about 20.6% for first-mile trips and 21.9% for last-mile trips. The cluster analysis uncovered temporal and spatial variations: central urban areas experience peak last-mile trips during morning hours, while residential zones show higher rates of first-mile trips. The regression results highlighted the factors influencing first- and last-mile demand, unveiling temporal patterns. For instance, private dwelling density was associated with higher first-mile demand in the morning and last-mile demand in the afternoon. Additionally, points of interest (POI) positively correlated with first-mile demand in the evening and last-mile demand in the morning. Bike infrastructures and path connectors were also strong positive predictors across time periods. The results offer insights into multimodal transport planning, emphasizing the importance of considering demand variation and optimizing operations to support vehicle rebalancing.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».