Impacts of car2go on Vehicle Ownership, Modal Shift, Vehicle Miles Traveled, and Greenhouse Gas Emissions: An Analysis of Five North American Cities
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Car2go is currently the largest carsharing operator in the world, with a presence in nine countries and nearly 30 cities. It operates as a one-way instant access carsharing system within a pre-defined urban zone. Members can find an unoccupied parked vehicle, access it immediately, and use it to meet their local travel needs. As long as the vehicle is parked within the operating zone, users only pay for the time that they drive. As a one-way system, car2go provides flexibility to the user. There are questions as to whether one-way carsharing increases overall vehicle miles traveled (VMT), by facilitating easier one-way travel (and automotive commuting) within urban environments. The results of this study suggest that access to ubiquitous shared automobiles allows some residents to get rid of a car or avoid acquiring one altogether. These actions taken by a minority of members have VMT-reducing effects that are estimated to exceed the additional driving that does take place within car2go vehicles. This study surveyed car2go members in five cities to determine the impacts on vehicle ownership, modal shift, VMT, and greenhouse gas (GHG) emissions. The cities surveyed were Calgary, San Diego, Seattle, Vancouver, and Washington, D.C. We asked questions that required respondents to attribute specific changes in their life as caused by the presence of and access to car2go. We also used vehicle activity data to evaluate the total driving that car2go vehicles travel in a city during a year, as well as a profile of the frequency of use by the broader car2go population.
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découle