Impact of Carsharing on Household Vehicle Holdings: Results from North American Shared-Use Vehicle Survey
Notice bibliographique
Résumé
Carsharing has grown considerably in North America during the past decade and has flourished within metropolitan regions across the United States and Canada. The result has been a new transportation landscape, which offers urban residents an alternative to automobility without carownership. As carsharing has expanded, there has been a growing demand to understand its environmental impacts. This paper presents the results of a North American carsharing member survey (N = 6,281). The authors establish a “before-and-after” analytical design with a focus oncarsharing’s impacts on household vehicle holdings and the aggregate vehicle population. The results show that carsharing members reduce their vehicle holdings to a degree that is statistically significant. The average vehicles per household of the sample drops from 0.47 to 0.24. Most ofthis shift constitutes one-car households becoming carless. The average fuel economy of carsharing vehicles used most often by respondents is 10 miles per gallon (mpg) more efficient than the average vehicle shed by respondents. The median age of vehicles shed by carsharinghouseholds is 11 years, but the distribution covers a considerable range. An aggregate analysis suggests that carsharing has taken between 90,000 to 130,000 vehicles off the road. This equates to 9 to 13 vehicles (including shed and postponed auto purchases) for each carsharing vehicle.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 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 ».