Modeling Commuting Mode Choice with Explicit Consideration of Carpools in the Choice Formation: A Case Study in Alberta
Notice bibliographique
Résumé
This paper investigates the option of considering carpool as an effective Travel Demand Management (TDM) tool. Carpool is already an existing urban commuting mode with a modest modal share (around 9 percent in many North American cities). However, with increasing interests in considering Carpool as an effective TDM tool for long-term sustained TDM program, there is a growing interest in critical investigation of the carpool mode choice. This paper investigates the carpool mode choice in the context of overall commuting mode choice preferences. The paper uses a hybrid econometric modelling technique of jointly modelling carpool consideration as well as commuting mode choice with response bias correction through the accommodation of measurement equations. Cross nested error structure is used to capture correlations among various existing commuting modes and carpool consideration in the choice set. Empirical models are estimated by using a large data set collected through a commuter survey by the City of Edmonton among its own employees. This specific employer-based data set is used to investigate complementary and supplementary effects of various TDM tools compared to carpool as a TDM tool. The results reveal that interactions between various TDM tools with carpool can be different at different level of decision making (choice set formation level and final choice level). The paper contributes carpool mode choice. It also contributes to TDM evaluation literature by unraveling critical behavioural elements to develop effective TDM programs.
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 | 0,005 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| 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 ».