Accessibility, equity, and mode share: a comparative analysis across 11 Canadian metropolitan areas
Notice bibliographique
Résumé
Transport FindingsAccessibility impacts mode choice and the degree of its impact varies between geographic regions and income groups.This paper presents an introductory analysis of this relationship for low and higher-income groups across 11 Canadian metropolitan areas.In all regions, low-income groups exhibit higher public transport use at the same level of accessibility.Additional differences exist between income groups in different regions when considering the change in mode share with varying accessibility.This study, while demonstrating the link between public transport mode share and accessibility, also begets further research to explain the differences in this relationship between groups in different regions. research question and hypothesesResearch has shown the importance of using factors associated with land use to explain public transport ridership (Cervero 1996;Dill et al. 2013;Foth, Manaugh, and El-Geneidy 2013;Schwanen and Mokhtarian 2005).In particular, some research has sought to examine the relationship between accessibility (or the ease of reaching destinations within a certain time threshold) and public transport mode share (Owen and Levinson 2018).Our research examines the relationship between public transport mode share and accessibility to jobs by public transport for low-and higher-income groups of individuals leaving their home census tracts in 11 Canadian metropolitan areas.We did this as an introductory analysis through a series of scatter plots and fitted curves to discern patterns.We hypothesize that public transport mode share is higher in denser regions and at higher levels of accessibility.We also expect that the low-income group will exhibit higher public transport use compared to the higher-income group at the same accessibility levels. methods and dataThe number of jobs in each census tract was obtained from the Statistics Canada Census flow tables.The tables present the number of commuters
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,005 | 0,012 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».