Spatial Variety in Weekly, Weekday-to-Weekend, and Day-to-Day Patterns of Activity-Travel Behavior: Initial Results from Toronto Travel-Activity Panel Survey
Notice bibliographique
Résumé
Our current understanding of activity-travel processes has emerged largely from empirical study of short-run cross-sectional surveys. The behavioural accuracy of the short-run survey has been explored in past research, with an emphasis placed on non-spatial outcomes. In this paper, we use the first wave of the Toronto Travel-Activity Panel Survey (TTAPS) to explore an area of research that has received little attention; namely, the presence of spatial variety in activity-travel behaviour. We begin by looking at the extent to which individuals engage in spatially repetitive location choices during the course of a single week. We then use an area-based measure of activity dispersion to expose differences in the weekday-to-weekend and day-to-day behaviours of a case study household. Retrospective examination of all weekly activities revealed a level of spatial repetition that did not materialize for activities classified by purpose, access mode, and planning horizon. Despite the inherent spatial flexibility offered by the personal automobile, spatial repetition was found to be surprisingly similar across access modes. Lastly, results from our case study suggest the presence of weekday-to-weekend and day-to-day fluctuations in spatial properties of activity-travel patterns. Findings from this research challenge the efficacy of the short-run survey as a mechanism for capturing archetypal patterns of spatial behaviour. In addition, identification of temporal fluctuations in the spatial outcomes of activity-travel decisions suggests that we have more to learn about the stability of transport-land use interactions over time.
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 | 0,019 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 ».