Causal Impacts of Protected Bike Lanes on Cycling Behavior with Demographic Disparities
Notice bibliographique
Résumé
Cities around the world face significant barriers to grow urban cycling, including competing budgetary priorities and car-centric streets. Thus, when making decisions regarding the installation of bicycle infrastructure, it is crucial to understand if and to what extent different bicycle-lane types increase bicycle ridership. However, associations between bicycle infrastructure and bicycle ridership have primarily been studied in the context of individual lanes and corridors, or when analyzed at the scale of entire cities, generalized across different bike-lane types. Drawing upon 72 million bikeshare trips from Citi Bike in New York, we demonstrate that there is an approximately 18% increase in bikeshare trips at adjacent stations in the 12 months following the installation of protected bike lanes (those with a physical barrier between cyclists and automobile traffic) and a 14% increase associated with painted bike lanes (where a line of pavement marking is present) and `sharrows' (where a normal traffic lane is marked with a bike stencil). However, using a difference-in-differences analysis, we detect a causal effect on bikeshare ridership only following the installation of protected bike lanes, with an average monthly increase of 379 rides per station (p<0.001). Despite this causal effect being pronounced among census block groups with higher percentages of older adults (688 rides per month per station, p<0.001), the causal effect of protected bike lanes on bikeshare ridership is absent in census block groups where the percentage of Black residents is medium to high. Taken together, these findings indicate that planners must emphasize protected bike lanes to spur ridership, and simultaneously target policies and programming to communities of color, to ensure that such infrastructure makes urban cycling a viable option for all residents.
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 | 0,002 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».