Decoding the first-and-last mile: Analyzing the transit connecting bike share GPS routes in Hamilton, Ontario with spatiotemporal distance decay
Notice bibliographique
Résumé
The well-known first-and-last mile (FM/LM) problem has long plagued traditional fixed-route public transit systems. Recently, emerging shared micromobility services, such as bike share, have been gaining popularity and quickly developing worldwide. These services present the potential to complement public transit by serving as an FM/LM solution. This study leverages Hamilton Bike Share Global Positioning System routes data and employs a novel spatiotemporal distance decay with built environment adjustment method to quantify whether bike share trips are FM/LM trips on a continuous scale ranging from 0 to 1. This approach provides a more detailed usage pattern at the road level and a more realistic identification of FM/LM trips compared to the commonly used buffer zone approach applied to origin and destination pair trip data. Subsequently, we examine the spatiotemporal patterns and trip attributes of FM/LM trips and how they differ from all bike share trips. The findings reveal distinct differences in temporal, spatial, and trip attributes between FM/LM and all bike share trips. We found that bike share trips are frequently used by riders to cover the distance between transit stops and their workplaces. Additionally, FM trips are generally more challenging compared to LM trips due to a significantly higher number of left and U-turns. Policy recommendations are proposed to enhance wayfinding, expand cycling infrastructure, and promote integrated bike share and transit usage. This research highlights the potential of bike share systems to address the FM/LM problem and provides empirical evidence to inform future urban transportation planning and policy development. It also offers a methodological framework for identifying FM/LM trips using individual trip data such as origin and destination pairs.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».