Modeling Short-Term and Long-Term Responses to the Increase in Gas Price: A Latent Class Modeling Approach
Notice bibliographique
Résumé
A significant increase in gas price, known as a gas price spike, considerably influences travel behavior. People have considered reducing their fuel consumption by making fewer trips, choosing alternative commute modes, and changing household locations. Many studies suggest that travel behavioral changes, due to a gas price increase, are related to socio-economic, lifestyle, and neighborhood characteristics. This paper investigates perceived short and long-term responses to a hypothetical 100 percent gas price increase in Halifax, Canada. It uses stated response survey information from the Household Mobility and Travel Survey (HMTS) conducted in Halifax, Nova Scotia, Canada. The study takes a latent class modeling approach in which the class membership component of the model is examined in relation to the socio-economic and attitudinal attributes. The study examines the short-term and long-term behavioral changes in effect of socio-demographic characteristics, land use and accessibility measures, neighborhood characteristics, and attitudinal variables. The model results suggest that the latent class logit model outperforms the conventional multinomial logit model in terms of model fit. The short-term model results reveal that lower income individuals ride transit more often whereas higher income individuals are insensitive to the change of gas price. An individual’s reason for changing household locations is strongly related to their short-term response. In the long-term, individuals with lower incomes tend to change work locations rather than home locations. People living farther than one kilometer from a transit stop show the highest propensity to change home locations. Persons who own more than one household vehicle are more likely to purchase a more fuel-efficient vehicle. Higher income persons are more likely to make no change in the long-term. The behavioral responses investigated in this study provide valuable information for policy-makers to develop strategies to improve readiness of the communities more effectively.
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 | 0,008 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».