Even before the start of the COVID-19 pandemic, bus ridership in the United States had attained its lowest level since 1973. If transit agencies hope to reverse this trend, they must understand how their service allocation policies affect ridership. This paper is among the first to model ridership trends on a hyper-local level over time. A Poisson fixed-effects model is developed to evaluate the ridership elasticity to frequency on weekdays using passenger count data from Portland, Miami, Minneapolis/St-Paul, and Atlanta between 2012 and 2018. In every agency, ridership is found to be elastic to frequency when observing the variation between individual route-segments at one point in time. In other words, the most frequent routes are already the most productive in terms of passengers per vehicle-trip. When observing the variation within each route-segment over time, however, ridership is inelastic; each additional vehicle-trip is expected to generate less ridership than the average bus already on the route. In three of the four agencies, the elasticity is a decreasing function of prior frequency, meaning that low-frequency routes are the most sensitive to changes in frequency. This paper can help transit agencies anticipate the marginal effect of shifting service throughout the network. As the quality and availability of passenger count data improve, this paper can serve as the methodological basis to explore the dynamics of bus ridership.


翻译:即使在COVID-19大流行开始之前,美国公共汽车骑手就达到了自1973年以来的最低水平;如果转运机构希望扭转这一趋势,它们必须了解其服务分配政策如何影响驾驶员;本文是最早在超地方一级模拟驾驶员趋势的第一批文件之一;Poisson固定效应模型是用来利用来自Portland、迈阿密、Minneapolis/St-Paul和亚特兰大等地的乘客计票数据,评估骑手在周日的弹性;2012年至2018年之间,美国公共汽车骑手达到了其最低水平;在每个机构,在观察单个路线间段之间的变异时,其服务分配政策被认为与频率有弹性;换句话说,最常见的路线已经是每辆汽车的乘客。在观察每个路线的变异时,骑手是无弹性的;预计每多辆汽车的车轮车会比在路线上的平均数少。在四个机构中,在观察单个路段之间的变换位时,驾驶员在观察每个车流的频率上,这种变换最易变的路线将意味着整个运输机的频率的频率上,可以改进路况。

0
下载
关闭预览

相关内容

ACM/IEEE第23届模型驱动工程语言和系统国际会议,是模型驱动软件和系统工程的首要会议系列,由ACM-SIGSOFT和IEEE-TCSE支持组织。自1998年以来,模型涵盖了建模的各个方面,从语言和方法到工具和应用程序。模特的参加者来自不同的背景,包括研究人员、学者、工程师和工业专业人士。MODELS 2019是一个论坛,参与者可以围绕建模和模型驱动的软件和系统交流前沿研究成果和创新实践经验。今年的版本将为建模社区提供进一步推进建模基础的机会,并在网络物理系统、嵌入式系统、社会技术系统、云计算、大数据、机器学习、安全、开源等新兴领域提出建模的创新应用以及可持续性。 官网链接:http://www.modelsconference.org/
Stabilizing Transformers for Reinforcement Learning
专知会员服务
59+阅读 · 2019年10月17日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
152+阅读 · 2019年10月12日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
[综述]深度学习下的场景文本检测与识别
专知会员服务
77+阅读 · 2019年10月10日
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
revelation of MONet
CreateAMind
5+阅读 · 2019年6月8日
【TED】生命中的每一年的智慧
英语演讲视频每日一推
9+阅读 · 2019年1月29日
逆强化学习-学习人先验的动机
CreateAMind
15+阅读 · 2019年1月18日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
spinningup.openai 强化学习资源完整
CreateAMind
6+阅读 · 2018年12月17日
计算机视觉近一年进展综述
机器学习研究会
9+阅读 · 2017年11月25日
【推荐】用Tensorflow理解LSTM
机器学习研究会
36+阅读 · 2017年9月11日
【音乐】Attention
英语演讲视频每日一推
3+阅读 · 2017年8月22日
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
Arxiv
0+阅读 · 2021年6月1日
Arxiv
3+阅读 · 2021年2月24日
VIP会员
相关VIP内容
相关资讯
revelation of MONet
CreateAMind
5+阅读 · 2019年6月8日
【TED】生命中的每一年的智慧
英语演讲视频每日一推
9+阅读 · 2019年1月29日
逆强化学习-学习人先验的动机
CreateAMind
15+阅读 · 2019年1月18日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
spinningup.openai 强化学习资源完整
CreateAMind
6+阅读 · 2018年12月17日
计算机视觉近一年进展综述
机器学习研究会
9+阅读 · 2017年11月25日
【推荐】用Tensorflow理解LSTM
机器学习研究会
36+阅读 · 2017年9月11日
【音乐】Attention
英语演讲视频每日一推
3+阅读 · 2017年8月22日
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
Top
微信扫码咨询专知VIP会员