Explaining the Use of Different Transport Modes for Journey to Work in Urban Areas: The Case of Low-Income Persons in Ontario and Quebec
Notice bibliographique
Résumé
Studies on journey to work have recently directed more focus on population groups considered as vulnerable to mobility and accessibility limitations including low income, single-parents and the elderly population. Understanding their usual mode of transportation will help planners alleviate mobility-related social exclusion and develop future transportation strategies that address their particular mobility circumstances that are sustainable. Using the 2001 Census of Canada, multilevel multinomial logistic regression models were estimated to assess the personal, social and economic factors that affect travel mode choice of low income persons in their journey to work in the urban areas of Ontario and Quebec and the dynamics of these factors across urban areas. Findings showed that car driving, is especially useful for the working elderly, married, those with children, and if place of work is within the region/province of residence. Public transit is strongly relied upon by low-income immigrants (both recent and long-term), women, single parents and if place of work is within the region of residence. Implications point to achieving balance in promoting public and private mobility programs and policies. While public transit is being expanded to reach underserved neighborhoods, private mobility programs which are non-existent in Canada would help in the short term to serve low income people who do not have an efficient transport option but to drive to work or find employment. Planning for accessibility of transport means to reach work places for low income individuals could vary from one urban place to another, as was found in Ontario, suggesting the need for sub-provincial approach in transport planning in this study area.
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 | 0,010 | 0,001 |
| 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 | 0,001 | 0,002 |
| Communication savante | 0,000 | 0,001 |
| 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 ».