Assessing the impact of Mobility-as-a-Service (MaaS) on sustainable urban travel behaviors: a systematic literature review
Notice bibliographique
Résumé
Mobility-as-a-Service (MaaS) is widely promoted as a way to reduce car dependency and encourage sustainable urban mobility, yet its actual environmental contribution remains unclear. This article presents a systematic literature review of 85 studies conducted in line with PRISMA guidelines to identify and analyze the elements within the MaaS ecosystem that influence sustainable travel behaviors. The evidence base spans multiple disciplines including psychology and behavioral sciences, sustainable development, urban planning, and transportation engineering, with most studies adopting cross-sectional survey approaches rather than examining longitudinal behavioral change or multimodal system integration. Findings show that adoption is consistently driven by convenience, affordability, technological appeal, and service reliability, while explicit sustainability motivations play a secondary role. Public transport integration, pricing structures that favor low-emission modes, and targeted subsidies for disadvantaged groups are linked with positive sustainability outcomes, whereas shared mobility services such as bike-sharing, e-scooters, and ride-hailing often substitute for existing low-emission modes rather than replacing private cars. Moreover, MaaS bundles that include car-based services can unintentionally stimulate car use, showing that measures designed to encourage adoption may work against sustainability goals. To address these challenges, the paper develops a conceptual framework that illustrates how governance arrangements, economic incentives, service design choices, and user engagement strategies interact to shape both platform uptake and environmental impacts. This framework emphasizes that adoption and sustainability are driven by different mechanisms and often work against each other, which highlighting the need for coordination to ensure that MaaS strengthens, rather than undermines, transitions toward sustainable urban mobility.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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 ».