Motive matters: How travel purpose interacts with predictors of individual driving behavior in greater Montreal
Notice bibliographique
Résumé
Rising transport emissions represent a significant challenge for policymakers.Two principal options exist to reduce emissions: Make driving less polluting or reduce driving overall.Though cities have a role to play in both approaches, the levers that may influence the latter more squarely align with municipal competences regarding the urban form.This paper aims to refine our understanding of the relationship between urban form and driving behavior by exploring whether accessibility-the ease of reaching desired destinations-exerts a different influence on driving mode choice and total distance depending on travel purpose.We rely on disaggregate data from the 2013 Montreal (Quebec) Origin-Destination survey and employ a two-step "hurdle" approach with multilevel logistic and linear models.We find that both local and regional accessibility possess statistically significant and negative impacts on driving mode choice and vehicle distance driven by Montreal drivers.Regarding the decision to drive, regional accessibility, as defined by transit-accessible jobs, appears to exert a greater impact than local accessibility, as measured by Walk Score across all purposes.When considering total kilometers driven, however, the relative impact of both types of accessibility varies.Overall, and for work and school driving, regional accessibility is correlated with the greatest declines in distance driven.For healthcare and discretionary travel, local accessibility is correlated with a larger decline in total driving distance.Our findings also highlight the profound impact of other explanatory factors, particularly car ownership, suggesting additional policy approaches for municipal decision makers to reduce vehicle kilometers traveled (VKT).
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».