Causal impacts of demand responsive transit on public transit demand: A spatial assessment framework
Non et al. — 2026
Résumé (FR)
Cet article propose un cadre d’évaluation spatiale en quatre étapes pour mesurer les impacts causaux du transport à la demande (DRT) sur la demande de transports en commun existante. Le cadre comprend les étapes d’entrée, de traitement, de modélisation et de sortie. Le modèle Bayesian Structural Time Series (BSTS) est appliqué dans l’analyse causale des séries temporelles, en comparant les résultats observés avec des contrefactuels estimant ce qui se serait produit sans l’intervention DRT. Cette approche est novatrice car le BSTS n’avait pas encore été utilisé pour évaluer l’impact des interventions DRT sur la demande de transports en commun. Les résultats permettent d’identifier si le DRT génère de la demande additionnelle ou cannibalise les services de transport en commun existants.
Summary (EN)
This paper proposes a spatial assessment framework in four stages (input, processing, modeling, output) to assess the causal impacts of demand-responsive transit (DRT) on public transit demand. The Bayesian Structural Time Series (BSTS) model is applied in time-series causal analysis, comparing observed outcomes with counterfactuals estimating what would have occurred without the DRT intervention. This approach is novel as BSTS had not previously been applied to evaluate DRT intervention impacts.
Points clés
| Aspect | Détail |
|---|---|
| — | — |