Examining the Anticipated Integration of Bikeshare with Travel Modes: Latent Class Model Application
Notice bibliographique
Résumé
This paper presents a comprehensive investigation of anticipated bikeshare integration with available travel modes in an urban setting. The key objective of the research is to enhance our understanding of the factors affecting choice of different potential integration types that include (a) transit-bikeshare, (b) auto-bikeshare, (c) walk-bikeshare, (d) other modes-bikeshare, and (e) no integration with bikeshare, if a public bikeshare system is available. This paper uses data collected from a bikeshare survey conducted in Halifax, Canada, in 2011. The web-based survey included questions regarding the system’s potential usage in respondents’ daily activities, the frequency of usage, and the anticipated integration with their existing travel mode choices. A latent class choice model is used in the study, which accounts for unobserved heterogeneity often ignored in traditional choice modeling. One of the unique features of the modeling approach taken in this paper is that observed attitudinal factors determine class membership probabilities. The results suggest that the latent class logit model outperforms the conventional logit model in terms of model fit. Several socio-economic characteristics, accessibility measures, and neighborhood characteristics are found to explain different types of integration. Moreover, it is found that considerable latent heterogeneity exists among sampled household. The research offers significant behavioral insights that could be potentially useful in planning for bikeshare implementation.
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 | 0,007 | 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 | 0,002 | 0,003 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».