Final Report 

Evaluation of Land Use and Transportation Strategies to Increase Suburban Transit Ridership in the Short Term 

 

 

Torsha Bhattacharya as o‐Author for Chapter 4 

Department of Urba  Regional Planning 

A Report ade to: 

The Public Transit Office Florida Dep  

 

 

 

 

 

 

 

by 

Gregory L. Thompson, Professor Jeffrey R. Brown, Associate Professor 

 with  C 

n andFlorida State University 

    M 

artmen of Transportationt 30 April 2010 

 

ii 

 

 

The Florida State University Department of Urban and Regional Planning Room 351 BEL 113 Collegiate Loop PO Box 3062280 Tallahassee, Florida 32306-2280

+1.850.644.4510 http://www.fsu.edu/~durp +1.850.644.8514 direct +1.850.645.4841 fax glthompson@.fsu.edu http://garnet.acns.fsu.edu/~gthompsn/my_web/default.htm 

30 April 2010

Ms Diane Quigley Public Transit Office Florida Department of Transportation Tallahassee, Florida Dear Ms. Quigley: On behalf of Professor Jeffrey Brown and myself, I am pleased to submit to you the final report, “Evaluation of Land Use and Transportation Strategies to Increase Suburban Transit Ridership in the Short Term.” I think that you will find that we addressed all of your comments satisfactorily.

We also took the opportunity to refine our statistical analysis, and we reference its results to an onboard survey conducted of Broward County Transit passengers. This additional work shows a more robust statistical analysis supporting the overall conclusion that reducing transit travel times between all pairs of major origins and destinations is the most fruitful path to increasing transit ridership. There are many ways in which public policy can encourage shorter transit times, including the promotion of TODs on both the origins and destinations of trips. Such TOD policies would have the result of shortening walking time, which is an important component of the overall time spent in traveling from an origin to a destination. With the passage of time, if public policy directs most population and employment growth to TODs, urban regions will be more compact than they otherwise would be, and such compactness will increase transit patronage even more.

Sincerely yours, Gregory L. Thompson Professor

iii 

 

Evaluation of Land Use and Transportation Strategies to Increase Suburban Transit Ridership in the Short Term 

ary  

This study  the relative efficacy of two classes of policies intended to increase the rider transit service in Florida. One class of policies seeks to improve transit effectiveness by freezing transit service in the older parts of metropolitan areas (where 

ulation and employment and the presence of pedestrian  levels of transit demand) and directing new population and employment 

ed areas around transit stops in the older areas. The other class of policies seeks to s, as directly as possible by transit routes. The 

rust of transit development of this second category of policies is in the newer rather than older parts of metropolitan areas, because it is in the newer areas where most population and employment growth is located. 

The study uses two methods, both focused on transit service in Broward County, Florida. The ted in Chapter 4, is statistical and seeks to examine transit ridership between every zones in Broward County in order to understand the importance of variables that 

riables that we used give insight into both hypotheses; the ical analysis is to understand which of the variables are more important. We 

onducted our analysis with data for 2005, when there were 921 traffic analysis zones in Broward  pairs of zones. Because of the fact that transit service did not exist between 

and the further fact that the Census Bureau suppressed data from some zones for 

l supports  effic ip 

 s 

nt is 

ed lopments in Broward County, and our efforts to identify TAZs with 

development that is similar to TOD development were not r, our results from the model clearly indicate that shorter walking times to and ighly important for increasing transit ridership. TODs, if designed properly, will reduce  alking time to and from transit and thus will increase transit ridership significantly.  

An implication of this finding is that planning me  relationship of developments to stops will be effective if they take into  ops are connected to all destinations in the region. Creating short walking times along  paths will boost transit ridership 

Executive Summ

 seeks to understandship and productivity of public 

it is  thought that higher densities of popamenities induce highergrowth to redevelopconnect employment and population, wherever it locateth

first method, presenpair of traffic analysis might give rise to that ridership. The vapurpose of the statistcCounty and over 800,000very pair of zones econfidentiality reasons, we actually analyzed transit ridership between about 550,000 pairs of zones. 

The statistical analysis developed a relatively weak model for predicting work transit trips between an origin zone and a destination zone, but that model none‐the‐less speaks clearly about ariables that increase transit ridership and those that have little impact. In general, the modevthe acy of the second set of policies. The most important consideration in attracting transit ridershis to directly connect population and employment. The analysis shows that it does not matter where thepopulation or the employment are located. Reducing travel time from places where people live to placethat they want to go, measured by employment, is by far the most important thing policy can do to increase transit ridership. Policy can shorten transit travel time by restructuring routes, by improving headways, by extending coverage, and by increasing speed. It is not important where the employmelocated; that located in the CBD does not have a particularly greater draw than that located elsewhere. It is important to serve it all. 

The conclusions about the ability of TOD developments to increase transit ridership are cloudby the fact that there are no TOD deve

 successful. Howeve from transit are hw

thods that focus on thew well the staccount ho

 attractive

iv 

 

if the transit stops to which the paths connect are well‐connected to population and employment 

caderoutes would be frequent, and if the a s would be speedy, as well. Transfer points should be designed for easy movement betw n routes, and fare structures should facilitate transfer use 

 

 

 

 ty. 

t 

s 

 

throughout the region.  Another implication is that because both population and employment are dispersed, planners 

nnot achieve time reductions by implementing direct routes between every pair of origins and stinations. Planners need to think in terms of networks of routes that depend upon transfers. Ideally 

reas traversed are large, routeee

ring. Running express buses from many neighborhoods to CBDs would be ineffective, becaCBDs account for so little of regional employment.  However, in larger regions an overlay of a regional grid of limited‐stop routes offering much higher scheduled speeds than local buses, interconnecting all important employment concentrations in a region, is an important component of a transit network thatachieves higher ridership. 

The second method used in this study, presented in Chapter 5, is a case study analysis that comes to similar conclusions to those drawn from the statistical analysis of Chapter 4. The case study compares transit development in Broward County with that in Tarrant County, Texas, where Ft. Worth islocated. Both counties are the second counties in their respective metropolitan areas in terms of population and employment. Both counties have similarly sized populations, and both counties have grown at about the same rate over the past several decades. Transit service in both counties connectswith relatively recently‐created rail commuter service originating in the dominant county of the respective areas. There are major differences in transit policy between the two counties, however. Broward County has no historic central business district, and the transit system has a county‐wide focus.The route structure is a grid that serves all population and employment concentrations in the counCounty residents can get from most parts of the county to most other parts where employment is located. Tarrant County, however, contains the Ft. Worth central business district, and transit service historically developed in Ft. Worth as streetcars focused on that CBD. Transit technology in Ft. Worth now is bus, but the route structure still is largely radial in nature focused on the CBD. There also is a CBD‐foc enused express bus system super‐imposed on the local routes. Many areas of major employmgrowth in Tarrant County outside of the CBD remain un‐served by transit, however. The city of Arlington, which contains tens of thousands of jobs, remains the largest urban area in the United States without transit service.  

So, here we have two transit systems laid out according to two different transit policies. Transit in Broward County attempts to connect most origins to most destinations scattered throughout the county with a grid of routes, requiring many passengers to transfer. Transit in Tarrant County attempts to connect many neighborhoods to the CBD, where large numbers of jobs are located. Both local buseand peak period express buses focus on the Ft. Worth CBD.  The idea is to serve one destination well, and the destination that is chosen has well‐developed pedestrian connections to jobs. Which policy is the more effective for attracting transit riders?  The case study comparison points to the strategy of connecting all population to all jobs throughout the urban region as being the more effective in stimulating transit ridership.  Broward County is an environment where transit is not supposed to work. There is no downtown and employment is scattered. Yet, transit in Broward County carries almost 400 percent more ridership per capita than does transit in Tarrant County, while each bus mile operated in Broward County carries about 35 percent more passengers. 

In summary, we provide two analyses, one statistical and one a case study comparison. Both analyses point in the same direction. The most effective policies for increasing transit ridership andproductivity are those oriented to connecting together population and employment that is decentralized throughout metropolitan regions in Florida. It need not be one policy or the other, however. TOD policies can be important in decentralized areas such as Florida by shortening the walk and improving its 

v 

 

te pact metropolitan areas with shorter distances between origins and 

destina

attractiveness on each end of the transit trip. Over time, to the extent that TOD policies will promothe creation of more com

tions, such policies will further stimulate transit ridership. 

vi 

 

 

Cover Letter .................................................................................................................................................. ii 

Executive Summary ..................................................................................................................................... iii 

Table of Contents ........................................................................................................................................ vi 

List of Tables ................................................................................................................................................ vii 

List of Figures .............................................................................................................................................. viii 

List of Maps .................................................................................................................................................. ix 

Acknowledgments ........................................................................................................................................ x 

Chapter 1. Introduction ................................................................................................................................ 1 

Chapter 2. The Literature Review ................................................................................................................ 3 

Chapter 3. Questions, Hypotheses, and Research Methods .................................................................... 13 

Chapter 4. The Statistical Analysis ............................................................................................................. 15 

Chapter 5. The Case Study ......................................................................................................................... 39 

Chapter 6. Discussion and Conclusions ..................................................................................................... 54 

References .................................................................................................................................................. 56 

Annotated Bibliography ............................................................................................................................. 67 

 

 

 

 

 

 

 

Table of Contents 

vii 

 

 

List of Tables 

  

 

 

Table 1. Summary of Data Set with Some Observations Removed .......................................................... 34 

Table 2. Pair‐Wise Correlations between Independent Variables ........................................................... 35 

Table 3. Estimation of Model ..................................................................................................................... 36 

Table 4. BCT and The T Bus Service, 1984 ‐ 2006 ...................................................................................... 49 

Table 5. Transit Performance by Service Type: BCT and The T ................................................................. 52         

  

viii 

 

Figure 1. Broward and Tarrant Counties Have Similar Population and Growth Rates ............................ 40 

Figure 3. Riding Habit (Passenger Miles per Capita) ................................................................................. 50 

Figure 4. Efficiency (Cost per Passenger Mile) .......................................................................................... 51 

 

  

List of Figures  

Figure 2. Productivity (Passenger Miles per Bus Mile) ............................................................................. 50 

                

ix 

 

 

List of Maps 

ap 4. Distribution of 2005 Percentages of Households with Children in Broward County by TAZ ...... 20 

ap 5. Distribution of 2005 Average Household Auto Ownership in Broward County by TAZ .............. 21 

ap 6. Distribution of 2005 Employment in Broward County by TAZ ..................................................... 21 

ap 7. Distribution of 2005 Employment Density in Broward County by TAZ ....................................... 24 

ap 8. Broward County Routes Superimposed over Employment Density  ........................................... 25  

ap 9. Distribution of Long Term Parking Fees in Broward County ........................................................ 26 

ap 10. Walkability of Broward County TAZs per SERPM05 Definitions ................................................ 30 

ap 11. Distribution of Neighborhood TODs ........................................................................................... 31 

ap 12. Distribution of Urban TODs ......................................................................................................... 32  Map 13. BCT Adjacent to Miami‐Dade Transit and Tri‐Rail ...................................................................... 42  Map 14. The T Adjacent to Dallas Area Rapid Transit and Trinity Rail Express ....................................... 43 

 Map 15. BCT Serves Many Destinations; The T Serves One Destination Well ......................................... 46 

 

 

Map 1. Distribution of 2005 Population in Broward County by TAZ ........................................................ 17 

Map 2. Distribution of 2005 Population Density in Broward County ....................................................... 18 

Map 3. Distribution of 2005 Median Household Income in Broward County by TAZ ............................. 19 

M M M M M

M M M M

x 

 

Acknowledgments 

 We could not have completed this research without the assistance of numerous individuals. Assisting in obtaining transit skims and other data from els were Dave Schmitt of AECOM, oberto Miquel of Wilbur Smith & Associates, Jeff Weidner, Min Tang Li and Shi‐Chiang Li of FDOT istrict 4, and Dan Harris of Cambridge Systematics. We are grateful to Spencer Stoleson of Broward 

ank Mark Ellis of the Department of Geography, University of Washington for offering insights on 

at we received from all of these individuals. We remain responsible, however, for possible errors and 

 

 

 the SERPM05 modRDCounty Transit and Nancy Amos (Senior Vice President) and Carla Forman (Assistant Vice President) of the Ft. Worth Transit Authority for granting us interviews and making available data for their systems. We also thank for GIS and other information Lina Kulikowski, Ed Sirianni, and Osama Alaschkar of the Broward Metropolitan Planning Organization, and Jonathan Robertson of Broward County Transit, as well as additional individuals in Broward County Transit and the North Central Texas Council of Governments. We thank Minxing Chen for help is assembling our data set for Stata analysis. Finally we thinterpretation of negative binomial regression models. We are immensely thankful for the cooperation thomissions as well as for opinion expressed in this document.     

   

Evaluation of Land U tation Strategies to Increase Suburban Transit Ridership in the Short Term: 

 proved 

t 

 routes of transit cannot connect most trip eginnings and ends in sprawling suburban development; development thus needs to be reorganized nd densified around transit stops. If that happened, transit would substitute for many auto trips, as it is ought to do in many European cities. There is a counter argument, however, suggesting a different ne of policy. It is not development that needs to be reorganized, according to the counter argument, ut transit services. Fixed route transit services can, in fact, serve sprawling land uses if the routes are ot primarily focused on a central business district. Though it is doubtful that transit’s marginal role can e overcome entirely, it is possible through route restructuring to double or triple transit usage in many etropolitan regions while improving transit productivity.  The purpose of this research is to examine 

the relative efficacy of these two arguments.    The examination focuses on transit in Broward County, Florida. Bus transit in the county is organized in a grid pattern along the county’s major arterials. Bus service is designed so that residents from most parts of the county can reach employment in most parts of the county, even though most residences and most jobs are sprawled. There is, however, considerable variation in a person’s ability to reach jobs using transit, depending upon where they are located in the county. There also are clusters of higher density employment in the county in areas where urban design has created walkable communities. Transit serves such clusters. The examination has two parts:  

1. One part of the study compares the transit performance of transit service in Broward County to that in another region of the country that is similar to Broward County but uses a different approach to providing transit service. The comparison region is Tarrant County, Texas, in which is situated Ft. Worth. Both counties contain the main secondary centers of economic activity and population in their respective metropolitan areas. Both counties have approximately the same population size that has been growing at approximately the same rapid rate over the previous twenty years. Transit service is organized differently, however. Broward’s is a grid of routes that serves sprawling jobs and residences. Tarrant’s, on the other hand, is largely a radial system of routes focused on a traditional central business district. Although Tarrant has a traditional central business district, which has heavy employment, some residences, and a design making walking possible, (Broward lacks such a center), much of the population and 

se and Transpor

An Empirical Analysis Based on Broward County 

Chapter 1. Introduction  

Recent discourse over high energy prices and deleterious climate effects of carbon dioxide emissions has renewed an ongoing public debate over the merits of possible policies for improving theefficiency and effectiveness of public transportation in U.S. urban regions. Some analysts see imtransit as a possible substitute for auto travel, though they are troubled by the marginal role that transiplays today in meeting urban transportation demands in most urban regions. What policies possibly could pull transit out of such marginalia? One line of the debate addresses this concern by proposing that urban form needs to be changed, in order to make transit a possible substitute for personal transportation. The argument goes that the fixed bus and railbathlibnbm

2 

 

 

 to  what 

extent does access to jobs determine usage? To what extent does urban design determine usage?  

 Our ing 

employment in Tarrant County is sprawled. Which transit service design is the more effective and efficient, and why? 

2. The second part of the study examines variations of transit usage within different parts of the county in comparison to how easy people can reach jobs from those parts, or in comparisonthe density, diversity, and design of the neighborhoods around which the usage occurs. To

 study presents what we know about the topic from other studies that have been done, endwith the questions that the study addresses. It then elaborates upon the two methods for addressing the questions with information from Broward and Tarrant Counties. The next two chapters carry out the methods, followed by a discussion of the results, and finally, policy conclusions. 

3 

 

 of  

rvice s). 

 

Rol European Exa

  d upon as the rument  for determining  the mix and prices of goods and  services  to be provided  to society. How far can public policy affect consumer choice in such societies? This is the question taken up by  Pucher  and  Levefre  (1996)  and  Jones  (2008).  Both works  examine  public  behavior  in  travel  and locations for living over a long period of time in many different market societies. The societies that they examine  reflected  many  cultures  and  embraced  many  different  policies  for  the  provision  of transportation  systems and  the  regulation of  land uses. Both works come  to  the  same conclusion: as people become wealthier, regardless of cultural background or public policy, they choose the mobility afforded by  the automobile and  light  trucks, and  they prefer more dispersed  living. Public policy  can have an effect on public behavior on  the margin, however. Public policies  that  impose costs on  those choosing  to  drive  to  account  for  the  social  costs  of  driving  and  who  provide  high  quality  public transportation systems result in marginally fewer VMT per capita compared to those that do not.  

How far can public policy go in this direction? Growing Cooler (Ewing, et al 2008) argues that it is possible  to accommodate most new population and employment  in  the U.S. between now and 2050 within existing urban areas at higher densities and  in mixed use development,  including  revived CBDs through changed land use regulations. By doing so, they argue that VMT would be reduced by up to 40 percent compared  to accommodating new development  in  low density  sprawl on  the edges of urban areas.  

Driving  and  the Built  Environment  (Committee on  the  Study on  .  .  .  2009)  counters Growing Cooler. Driving and the Built Environment argues that existing patterns of sprawled development are a reflection  of  public  preference  and  are  unlikely  to  be  changed.  The  history  of  land  use  regulations intended to reverse the pattern of development has shown such policies to be ineffective. Public policy, such  investing  in  transit  systems  to  mold  future  development,  also  has  had  limited  impact  on development.  The  only  rail  transit  investments  that  have  had  an  apparent  effect  on  development patterns  are  those  that  have  been  built  in  areas  already  chosen  by  the  private market  as  ripe  for development. What policy can be effective? Pricing that reflects the social cost of choices. 

Some believe in the power of public policy to alter the form of society, because they believe that past public policy created the existing auto‐dominated transportation system in the U.S.. Rail transit, for example, almost disappeared in the U.S. because governments at all levels allowed General Motors and other automobile interests to buy viable rail transit systems and then junk them, forcing patrons to turn to automobiles. Post (2007), however, provides strong arguments against this position. Post documents how  technological development  created  a  competitor  to  the  streetcar  that was  cheaper  and offered most of the qualities that rail transit offered.  

Chapter 2. Literature Review 

The  literature  review  discussion  proceeds  as  follows:  1) works  that  comment  on  the  role policy  for  increasing  the  importance  of  transit  is  U.S. metropolitan  areas;  2)  works  that  provide  adescriptive overview of transit ridership; 3) works that emphasize external factors that affect ridership (including land use); and 4) works that emphasize internal factors that affect ridership (including seplanning decision

e of Policy  in Affecting  the Role of Transit and  the Automobile Based on History and mple 

In market economies, of which the U.S.  is an example, consumer sovereignty  is relie principle  inst

4 

 

Descriptive Overview of Transi

  In  the  postwar  period,  transit  ridership  experienced  a  long  decline  followed  by  a  number  of recent p

ling to and from jobs in the central business districts in the nation’s largest cities. 

Transit‐dependent  individuals  are  defined  as  individuals who  for  reasons  of  age,  income,  or 

trsuch as household income, age, race, ethnicity, immigrant status, and number of automobiles 

 the h

i

d throughout the cou

t Ridership 

eaks and valleys. Jones (1985), Vuchic (2005), and Post (2007) provide general discussion of the longer‐term  trend,  emphasizing  the  decentralization  of  urban  areas  and  competition  with  the automobile as among the primary causes for transit’s postwar decline. By the 1970s and 1980s, Jones (1985) observed  that  transit was  largely  limited  to serving  two markets:  transit‐dependent  individuals and commuters trave

 disability  lack either access  to or  the ability  to use an automobile and  thus  rely on public  transit as a primary  means  of  transportation.  Researchers  have  typically  measured  ansit  dependency  using variables in ousehold.   National transportation surveys  (such as those conducted  in 1983, 1990, 1995, and 2001) regularly report that individuals who fall into certain demographic group categories (defined using these  variables)  are  disproportionately  transit  users.  Using  data  from  the  2001  National  Household Travel Survey, Pucher and Renne (2003) found that the poor, blacks, Hispanics, and those with low levels of vehicle ownership are more  likely to use transit than are other groups. Particularly  important  is the latter  variable.  The  same  survey  found,  however,  that  the  numbers  of  individuals  placed  into  the demographic  categories we  use  to  define  transit  dependency  declined  between  the  1995  and  2001 surveys. The surveys also reported that even for transit dependent groups, transit  is not their primary mode of transportation—the automobile is. 

  During  the mid  and  late  1990s,  a  series  of  articles  appeared  documenting  a  large  decline  in transit ridership during the early part of the decade and speculating that public transit was headed for rough times. However, in the late 1990s and on to the present, ridership (measured in terms of unlinked passenger trips, but not mode share) increased. Pucher (2002) identified the economic recession of the early  1990s,  and  particularly  its  effect  on  employment  in New  York,  as  the  driving  force  behind  the ridership decline of the early 1990s.  He cites the economic recovery of the 1990s, rising gasoline prices, stable  fares,  improved  service  quality,  and  the  expansion  of  rail  transit  services  as  among  the  key contributing  factors  for  the  ridership  rebound of  the  latter part of  the decade. The  limitation of  this article  s  that  it  is purely descriptive; Pucher makes no effort  to examine other potential causes using more sophisticated multivariate techniques. 

  Thompson and his coauthors  (2006) examine  the  ridership  trend  in  the nation’s  largest cities. Focusing on the period between 1990 and 2000 in all metropolitan statistical areas that had more than 500,000 persons, they paint a picture of ridership that grew faster than population growth in areas that most researchers would not suspect, namely in the metropolitan areas of the auto‐oriented west. They note  that  service  grew  in most parts of  the  country  as well.  They  also  find  that  service  productivity (measured in terms of load factor, or the ratio of passenger miles to vehicle miles) decline

ntry, but experienced  the smallest decline  in  the West.  In short, western cities added a  lot of service and gained a  lot of  riders  in doing so. However,  this purely descriptive piece does not explain why transit is growing in many “surprising” places. 

 

 

 

5 

 

 Ridership 

rban S

The External Factors that Influence Transit

  The external factors that  influence transit ridership  include: urban structure  (decentralization), local  land use patterns, automobile ownership  levels and costs, and regional economic conditions. The particularly relevant  literature for this study  is that which focuses on  local  land use patterns, although we briefly discuss some of the other literature as well. 

 

U tructure (Decentralization) 

  Meyer, Kain and Wohl  (1965),  Jones  (1985), and Vuchic  (2005)  cite urban decentralization as one of the primary causes of the long‐term decline in transit use in the postwar period. The corollary is that transit use is positively tied to the degree of urban centralization, and in particular, the strength of the central business district  (CBD) as a  locus of economic activity. Mierzejewski and Ball  (1990)  found some support for this notion, where choice riders (those who have access to an automobile but choose to use transit) are concerned. In a survey of 4,000 persons in 17 metropolitan areas, they found that 82 percent of choice riders who used transit worked in the central city. 

  The  conventional  wisdom  is  that  transit  works  best  when  it  focuses  on  serving  the  CBD commute  market  (Ferreri  1992;  Meyer  and  Gomez‐Ibanez  1981;  Pisarski  1996;  Taylor  1991).  The implication  is  that  transit  agencies  should  structure  their  service  to  feed  the  CBD  and  provide  high quality service  to  that destination, because  that,  the  literature would suggest,  is where  riders wish  to avel. 

lationship between  transit commute mode  share and  the number of jobs in the central business district in 1970 and 1980 for 25 large metropolitan areas using a eries o

ips between CBD employment and transit commute mode share. He found positive, statistically significant effects on transit commute mode share from the unbelt  dummy  variable,  and  negative,  statistically  significant  effects  from  the  fixed‐rail  dummy variable. However, his study suffers from two shortcomings, which  include: 1)  lack of control variables nd 2) mixing of cities with significant differences in both the size of the CBD and the transit commute 

 share. Particularly problematic is the inclusion of New York, which dwarfs the other cities on both ariables, in the same analysis. 

tr An  agency  decision  to  serve  other  destinations,  particularly  those  dispersed  throughout  the suburbs, is criticized for being an inefficient use of public subsidy (Taylor 1991) and for resulting in low service productivity (Ferreri 1992; Meyer and Gomez‐Ibanez 1981).  

  There have been a handful of studies that have examined the link between urban structure and transit  ridership  using  statistical  techniques.  Some  studies  have  found  a  close  link  between decentralization and transit ridership while others have found a more complicated set of relationships between these variables. Most studies have used the relative strength of the central business district as the measure of urban structure. 

  Hendrickson  (1986) examined  the  re

s f multivariate models. The first multivariate model estimated ridership  in 1970 as a function of CBD employment in 1970 (R square = .96), the second model estimated ridership in 1980 as a function of CBD  employment  in  1980  (R  square  =  .90),  and  the  third model  estimated  ridership  in  1970  as  a function of both CBD employment and the total number of workers in the metropolitan area (R square = .98). He  then estimated  two  change models, one with a dummy variable  for Sunbelt  cities  (R  square =.77) and one without (R square = .66). Finally, he estimated a change model with dummy variables for both Sunbelt cities and those with fixed rail systems (R square = .81).  

  Hendrickson (1986) found strong relationsh

S

amodev

6 

 

histicated  analysis  of  the  relationship  between transit ridership and decentralization in Boston. He used a time series approach that examined ridership etwee

rcent  increase  in  real  per‐capita  incomes  was ssociated with a 0.71 percent decline  in  ridership; 3) a one percent  increase  in  fares was associated with a  .22 to  .23 percent decline  in ridership; and 4) a one percent  increase  in vehicle miles of service 

percent  increase  in  ridership.  His models  accounted  for  nearly  90 percent of the variation in transit ridership from 1970‐ 1990.  

structure  in  all  U.S.  metropolitan statistical areas with more than 500,000 persons in 1990 and 2000. They define urban structure as the ercent

g relationship between the percent f MSA

loyment in the CBD, percent of employment outside the CBD but inside e tran

  service  are  also  associated with ansit 

  Gomez‐Ibanez  (1996)  conducted  a more  sop

b n 1970 and 1990, and included variables that controlled for fare, per capita income, and service level. His measure of decentralization was  the number of  jobs  in  the city of Boston. He  found: 1) a 1 percent decline in the percent of jobs in the city of Boston was associated with between a 1.24 percent and  1.75  percent  decline  in  ridership;  2)  a  one  pea

was  associated with  a  .30  to  .36 

  Gomez‐Ibanez  concluded  that  transit  ridership  in Boston has been  strongly  influenced by  the decentralization of employment. However, the definition of employment  is problematic and measures jobs throughout the city of Boston as opposed to jobs inside the central business districts of Boston and Cambridge, which the author states he had hoped to measure.  

  Two  recent  statistical  studies  have  found  very  different  results.  Brown  and  Neog    (2007) examined  the  relationship  between  transit  ridership  and  urban 

p  of MSA employment in the CBD and use two measures of transit ridership, passenger kilometers per capita and transit commute mode share. The authors controlled for variables measuring fare, service frequency, service coverage, motor  fuel price, urban area population density,  regional unemployment rate,  and  the percent of households  in each metropolitan  area  that  lacked  access  to  an  automobile.  They  found no  statistically  significant  links between  the percent of MSA employment  in  the CBD and transit ridership. The authors found the strongest links between two service variables (service frequency and service coverage) and transit ridership. They also found a strono  households that do not own an automobile and transit ridership.  

  Brown and Thompson  (2008a) examined  the  relationship between  transit  ridership and urban decentralization in Atlanta from 1978 to 2003. The authors used linked passenger trips as their ridership variable.  They  created  three  employment  variables  to  measure  the  degree  of  employment decentralization: percent of empth sit service area, and percent of employment outside the transit service area. They controlled for fare, service  level, motor  fuel price, and population decentralization  in their  time‐series analysis. They also included a variable measuring the percent of transit service delivered by rail transit.  

  They found that transit ridership is strongly and positively linked to the strength of employment inside  the  transit  agency  service  area  (outside  the  CBD)  and  is  strongly  and  negatively  linked  to  the strength  of  employment  beyond  the  transit  agency  service  area.  The  authors  found  no  association between  the  strength of  the CBD and  transit  ridership  in Atlanta. The authors also noted  that  transit ridership is more strongly linked to the decentralization of employment than to the decentralization of population,  and  that  fare  levels  and  the  absolute  amount  of  transittr ridership. The authors  infer  that MARTA  is successfully connecting  transit patrons  to dispersed employment  locations within  its service area, but  that  the  failure of  the service area  to  include some major poles of employment growth is depressing MARTA ridership. 

 

 

7 

 

ocal LaL nd Use Patterns (Transit‐Oriented Development) 

  Over the past two decades, there has been a great deal of interest in the relationship between local  land use patterns near bus and  rail  transit  lines,  stops, and  stations and  transit  ridership. Often lumped under the label of transit‐oriented development (TOD), this body of literature hypothesizes that the density,  land use mix, and urban design characteristics of a neighborhood can  influence  individual mode  choice decisions  (APTA 1987; Bae 2002; Beimborn 1991; Caltrans 2003; Cervero 1998; Cervero 2006a; Cervero 2006b; Dunphy and Porter 2006; Hemily 2004; Jun 2008; Knaap, et al 2001; Schlossberg and Brown 2004; Song 2005; Urbitrans 2006). There  is an extensive  literature on the subject, much of which builds on work by Robert Cervero. 

  The primary hypotheses about transit‐oriented development and its relationship to ridership are voiced in books by the team of Bernick and Cervero (1997) and Cervero (1998) on his own. Both books rely on  case  study  analysis  to  argue  that developments  characterized by higher density, more mixed uses,  and  more  pedestrian‐friendly  designs  tend  to  have  higher  transit  ridership.  Therefore,  the 

         

nt  regularly  used  transit.  The 

s

  between  transit  mode  share  and istance  to  a  rail  station.  They  did  not  control  for  other  factors  that might  influence  an  individual’s 

 to use public transit (fare, service quality, auto access and cost, or the ease with which travelers ould reach their destinations). 

suggestion is made that if metropolitan areas promote these kinds of developments they should expect to see auto use decline, while transit use, walking, and perhaps bicycling increase in importance. Indeed, Parker  and  co‐authors  (2002)  found  associations  between  transit‐oriented  development  and  transit mode share in their case study of transit‐oriented development in California.  

  Lund and Willson (2005), on the other hand, found modest ridership results in their case study of transit‐oriented development along the gold line light rail line in suburban Los Angeles. They surveyed the residents in 37 multi‐family buildings located within 1/3 mile of rail stations. Of 1,595 housing units surveyed,  they obtained  responses  from 221 units  recording  information about 477  trips. They  found few  transit‐dependent  residents  in  their  survey.  Respondents  were  primarily  white,  worked  in professional occupations, and owned one or more automobiles. Few residents had low incomes. About 75  percent  of  respondents  rarely  or  never  used  transit, while  15  perceauthors noted  that  respondents were more  frequent  transit users  after  they moved  to  their  current place of residence, but noted that there might be a self‐selection bias at work. Essentially, they found that TOD  in this particular corridor was too expensive to be occupied by transit riders and was  instead occupied  by  wealthier  professionals,  who  tend  not  be  transit  riders.  The  mismatch  between  TOD residential  profiles  and  transit  user  profiles  is  frequently  noted  by  TOD  skeptics.  Residential  self‐selection has also been cited by TOD skeptics who assert that the people who live in residential TODs are people who were already predisposed to engage in more use of non‐automobile transport modes. 

  There are, however, a number of quantitative  studies  that have  found a connection between TOD‐a sociated elements and ridership. These studies have examined the relationship between transit ridership  and  distance,  density,  diversity,  and  design.  Cervero  (1993)  discussed  several  studies  that examine  the  ridership characteristics of projects  located near rail  transit stations. He cites a 1989 San Francisco Bay Area  study  found  that  35  to  40  percent  of  residents  living  near  three Bay Area Rapid Transit District (BART) stations used public transit. He also cited a 1987 Washington, DC study found that rail and bus  transit mode  share declines by 0.65 percent  for every 100‐foot  increase  in distance of a residential  site  from  a  rail  transit  station.  The  same  1987  study  found  that  ridership was  higher  at downtown  than at suburban work sites and  that  ridership declined steadily as distance  to  the station increased.  All  these  studies  essentially  examined  the  correlationddecisionc

8 

 

nt  (2004)  reported  the  descriptive  results  of residential studies showing that: 1) workers  living near the San Francisco area’s Bay Area Rapid Transit istrict 

trons at a downtown San Francisco shopping center that has a irect c

 of multivariate models om  st

aard r  Por

 growing part of the Portland metropolitan area and featured a wide 

  The  Institute  of Urban  and  Regional Developme

D (BART) heavy rail line were six times more likely to use it for commute trips than the average Bay Area resident; 2) workers living near light rail transit in Silicon Valley were five times more likely to use transit for commute trips than average area residents; and 3) people  living near transit  in Washington, DC  have  high  transit mode  shares  that  decline  with  increased  distance  from  a  transit  station.  The authors also summarized a set of office and retail studies that showed: 1) 50 percent of those working within 1,000  feet of a downtown Washington Metro station used rail to get to work; 2) 60 percent of customers at a downtown San Diego shopping center located two blocks from light rail arrived either by transit or by foot; and 3) 34 percent of pad onnection to BART arrived by transit.  

  More  studies have  focused on  the  link between density  and  transit  ridership  than  any other factor. These studies have their roots in early work by Pushkarev and Zupan (1977). Parsons Brinckerhoff (1996)  found,  in  a  study of 17  cities with  light  rail or  commuter  rail,  that  residential densities had  a strong effect on  transit boardings.  Spillar and Rutherford  (1998) also documented a density effect  in their  analysis of Denver,  Portland,  Salt  Lake City,  San Diego,  and  Seattle.  They noted, however,  that density appeared  to have a  stronger  relationship with  transit  ridership  in  low‐income neighborhoods. The  Institute of Urban and Regional Development  (2004) also presented a  setfr udies  for  the  San  Francisco Bay Area  and Arlington  County, Virginia  that  indicate  particularly strong  relationships  between  the  density  of  the  land  use  and  transit  ridership. Overall,  the  authors concluded that residents living in TODs usually patronize transit five to six times as often as the typical resident  of  a  region.  The  authors  acknowledged  that  self‐selection  bias  might  be  an  issue  in  the residential  studies  they discuss. Cervero  (2002)  found a modest density effect on  ridership  (elasticity between 0.2 and 0.6) in his study of Montgomery County, Maryland. 

  Kuzmyak  and  his  coauthors  (2003)  also  reported  that  transit  ridership  tends  to  be  higher  at higher  densities.  Citing  work  by  Parsons  Brinckerhoff  for  Chicago,  they  reported  that  a  10  percent increase in residential density is correlated with an 11 percent increase in per‐capita transit trips and a 13 percent increase in transit mode share. Citing work by Levinson and Kumar for a national study of the U.S.,  they reported  that density only becomes relevant  to mode choice at densities higher  than 7,500 persons per square mile. Citing work by Frank and Pivo in Seattle, they also noted that transit requires workplace densities of 50‐75 employees per gross acre and residential densities of 10‐15 dwelling unit per net residential acre to achieve significant commute mode shifts. Citing a study by Nelson/Nygfo tland,  Oregon,  they  noted  that  housing  density  and  employment  density  accounted  for  93 percent of the variation  in daily transit trip productions and attractions across the region. The authors cautioned that in many of these studies self‐selection bias may be a concern. 

  Kuzmyak and his coauthors  (2003) also presented  the  results of studies  indicating  that  transit use tends to be higher in areas characterized by mixed land uses. However, they cautioned that many of these environments tend to also be characterized by higher densities, so separating the mixed use effect from the density effect is difficult. Citing work by Messenger and Ewing in Florida, they noted that more balanced (jobs and workers) areas tend to have higher transit mode share. Citing a study by Cervero of 57  suburban activity centers,  the authors noted  that centers with on‐site housing had 3  to 5 percent more transit, bike, and walk trips.  

  Song  and  Knaap  (2004)  examined  public  preferences  for mixed  land  uses  in  a  hedonic  price model study of single family home purchases in Washington County, Oregon.  At the time of their study Washington County was the fastest

9 

 

ariety 

unty, Maryland. He asserted that conversion of park‐and‐de  lot

v of  housing  choices,  including mixed  use  transit  oriented  development  built  around  light  rail stops. Song and Knaap  found  that  single  family home buyers valued  locations with amenities  such as parks,  open  space,  and  the  ability  to walk  to  neighborhood  retail. On  the  other  hand,  such  buyers discounted proximity to multi‐family dwellings,  large employment concentrations, and properties with small lot sizes. 

  Transit‐oriented  development  is  also  characterized  by  more  transit  and  pedestrian‐friendly urban design. Urban design is the hardest of the 3 Ds (density, diversity, design) to measure, but there have been a  few  studies on  the effect of urban design on  transit  ridership  (Canepa 2007: Crane and Crepeau  1998;  Hess  and  Lombardi  2004).  Cervero  (2000)  found  that  urban  design,  and  particularly sidewalk provisions and street dimensions, significantly  influence whether someone reaches a rail stop by foot or not in his study in Montgomery Cori s  to  transit‐oriented  developments  holds  considerable  promise  for  promoting  walk‐and‐ride transit usage in years to come. Cervero (2006b) found a relationship between street connectivity and an individual’s decision to use transit in his study of people living near rail stations in California. 

 

Other External Factors 

  The  literature  has  also  identified  a  number  of  other  factors  beyond  the  control  of  agency managers that can influence transit ridership. These factors include population and population growth, regional economic conditions, housing costs, and personal income (Cambridge Systematics 1995, 1998, 2005; Liu 1993; Taylor, et al 2002; Taylor, et al 2003). 

  Some  particularly  important  additional  external  factors  relate  to  the  automobile.  Studies  by Brown  and  Neog  (2007),  Liu  (1993),  and  Taylor,  et  al  (2003)  have  all  highlighted  the  important 

vides to the community it erves. 

relationship  between  the  share  of  carless  households  in  a metropolitan  area  and  transit  ridership. Studies by Dueker and his coauthors (1998) and Mierzejewski and Ball (1990) have noted the important role played by parking availability and cost in influencing transit use. 

 

The Internal Factors that Influence Transit Ridership 

  The  internal  (agency‐controlled)  factors  that  influence  transit  ridership  include:  fare  policy, service  frequency,  service  coverage,  service  orientation,  and  targeted marketing  efforts.  Particularly relevant for this research are those studies that consider service frequency, coverage, and orientation, which collectively help to define the level of accessibility a transit system pros

General Discussion 

  There  is a sizeable descriptive  literature that  introduces service strategies that might  influence transit  ridership  in particular  settings—without evaluating  the performance of  the particular  strategy. One author who has conducted significant past research  in this area  is Robert Cervero (1994). Cervero identified  timed  transfer  systems,  paratransit  services,  reverse  commute  and  specialized  runs, employer‐sponsored  van pools, and high‐occupancy‐vehicle and dedicated busway  facilities as  transit service  strategies  that might  result  in higher  ridership  in decentralized areas. He  reemphasized  these kinds of service strategies in his international case study of transit metropolises (Cervero 1998). Working 

10 

 

 a fareless square as promising strategies in certain environments. However, these same uthors

r  ridership arkets might have unexpected negative effects. Miami‐Dade Transit operates a number of routes that 

seek  to  serve  the elderly population, and  connect  social  service and other destinations  to  residential  reside. However, these routes have low elderly and non‐elderly ridership, and as 

a result, very poor performance, because they are slow and  indirect. Far more elderly people ride the irect a

riders to identify service reliability, convenience, comfort, and safety as key factors that might influence n indiv

with  Beutler  (1993)  he  discussed  the  use  of  bus  rapid  transit  services  and  free market  paratransit services as possible service strategies in certain urban environments.  

  Using  case  studies  of  eight  transit  agencies  in  the  United  States  and  Canada,  Charles  River Associates (1997)  identify feeder bus, fare  integration, express bus, times transfer, pass programs with universities, anda  conclude  that policies  that make private vehicle use  less attractive will have a  larger positive effect on ridership than policies that make transit more attractive.  

  A number of  authors emphasize  the  role of  targeted marketing  and market  segmentation  as strategies  to  increase  ridership  among  specific  rider  groups  (Elmore‐Yach  1998;  Frumkin‐Rosengaus 1987; Haas 2005; Taylor, et al 2003; TranSystems 2007). Cambridge Systematics (1995, 1998, 2005) uses repeated  surveys  of  agencies  that  experienced  ridership  increases  to  identify  fare  policies,  service adjustments, and marketing efforts as key factors that affect transit ridership. Haas (2005) discusses the use of Eco pass programs, guaranteed  ride home programs, day passes, and on‐line  fare media  sales programs.  Skinner  (2007)  found,  however,  that  transit  services  targeted  toward  particulam

areas where the elderly

d nd frequent bus services in Dade County running on arterial roads that are targeted toward the general ridership. These are the bus routes in Dade County characterized by high performance. 

  Finally, the California Department of Transportation (2003) uses a survey of actual and potential 

a idual’s decision to ride transit. As noted above, none of these articles evaluates the performance of the strategy or factor that the authors describe. 

Fare Policy 

  There is an extensive body of literature that documents the relationship between fare levels and dership  (Brown  and  Thompson  2008a;  Gomez‐Ibanez  1996;  Kain  1997;  Kohn  2000;  Pucher  2002; 

Taylor, et al 2003). Kyte (1986) found an important relationship between fare and ridership in his study ented  the  importance of  fare policy  in  their U.S. 

national study, and so did Kohn (2000) in his Canadian study. Kain and Liu (1999) noted the importance f fares

 elasticities vary depending on both mode and time‐frame. Bus fare elasticities average around ‐0.4 in the short run, ‐0.56 in the medium run, and ‐1.0 in the long run. Rail transit elasticities tend to be 

r bus for suburban rail services and smaller than those for bus for heavy rail. Off‐ ridership

ri

of Portland.  Taylor  and his  coauthors  (2002) docum

o  in their study of Houston and San Diego, as did McLeod, et al (1991) in their time‐series analysis of Honolulu. 

  TRL Limited (2004) summarizes the results of an extensive set of empirical studies. They report that fare

higher than those fopeak  tends to be twice as responsive to fare changes as peak period ridership.  

   

Service Frequency and Coverage 

  There is also a large literature that documents the relationship between the service provided by an agency and  transit  ridership  (Gomez‐Ibanez 1996; Kain 1997; Kohn 2000; Kyte 1986; Pucher 2002; Taylor, et al 2003). A smaller  literature has broken down service  into two components: frequency and 

11 

 

ncy and service coverage  in eir na

  in  higher  income  areas  that 

coverage.  Both  are  hypothesized  to  positively  influence  ridership.  Brown  and  Neog  (2007),  and Thompson and Brown  (2006)  found positive effects of both service  frequeth tional analyses of transit ridership in large U.S. metropolitan areas in 1990 and 2000. Brown and Neog (2007) report elasticities for both service and coverage in the 0.7 to 1.0 range. 

  Evans (2004) provides an overview of empirical work on the relationship between transit service frequency  and  ridership.  He  found  that  ridership  does  respond  to  service  frequency  and  schedule changes  (elasticity  =  0.5),  and  that  the  largest  responses  are  foundpreviously  had  very  infrequent  service.  In more  traditional  transit  areas,  the  ridership  response was more modest. 

  Pratt and Evans (2004) examined the relationship between coverage and ridership  in a routing study.  The  authors  found  elasticities  in  the  range  of  0.6  to  1.0.  The  authors  noted  that  the  largest ridership increases occurred when the system emphasized “high service level core routes, consistency in scheduling,  enhancement  of  direct  travel  and  ease  of  transferring”  (Pratt  and  Evans  2004,  5).    The authors  claim  that new and expanded  systems of  the hub‐and‐spoke variety produced  slightly higher ridership than grid systems, although there were no controls  for other possible variables. Taylor, et al (2003) also noted that route coverage was an import influence on transit ridership. 

 

Service Orientation 

  A particular interest in this project is the role of service orientation as a factor influencing transit ridership. Regrettably,  there have been  few  studies  that  explicitly  examine  service orientation  (Hadj‐Chikh and Thompson 1998; Mieger and Chu 2006;  . Thompson and Matoff  (2003) conducted an early case study analysis of nine cities in which they distinguished between radial and multidestination (grid) oriented transit systems. The authors obtained data on transit system profiles and transit performance 

to  1998  for  transit  systems  in  Cleveland,  Columbus,  Houston,  Minneapolis,  Pittsburgh, 

  recently,  Thompson  and  Brown  (2006)  explored  the  relationship  between  service 

ly  in  the  non‐ets of  the West but  that much of  the  regional variation  is a  function of  the particular 

 orientation decisions made by transit agencies  in this region. Service most powerful explanatory variables  for variation  in ridership change 

mong 

from  1983 Portland, Sacramento, San Diego, and Seattle. The performance measures  include:   cost per passenger mile,  peak‐to‐base  ratio,  passenger miles  per  capita,  and  vehicle miles  per  capita.  The  authors  then compared  systems  that met  their definitions of multidestination versus  radial  service orientations on each of these measures. The authors found that multidestination systems were more effective (that is, had higher ridership), nearly as efficient (about the same cost), and more equitable (lower peak‐to‐base ratio) than radial systems. 

  Moreorientation and ridership using a statistical analysis. The same authors have also recently explored the relationship between service orientation and service productivity (Brown and Thompson 2008b). In their ridership  study,  identify and examine  the key determinants of  transit  ridership change between 1990 and 2000  in U.S. metropolitan statistical areas (MSA) with more than 500,000 persons. Among the key variables  they  examine  is  a  service  orientation  that  distinguishes  between  multidestination  and traditional  service  orientations.  The  authors  found  that  transit  is  growing most  rapidtraditional markservice coverage,  frequency, andcoverage and  frequency are  the a MSAs with 1 million to 5 million people, while a multidestination service orientation is the most important explanation for variation in ridership change among MSAs with 500,000 to 1 million people. A 

12 

 

ecentralized service 

weakness  of  the  analysis  is  the  definition  of  the  service  orientation  variable  as  a  binary  variable,  as opposed to a continuous one.  

  Their productivity paper substitutes a quantitative variable that measures the percent of transit routes  that do not serve  the CBD  (Brown and Thompson 2008b). They  find  that dorientation does not lead to diminished productivity. In fact, the signs on the coefficient for this variable in their statistical models are positive, although not statistically significant. 

13 

 

 

ers as important but not mentioned by others.  

The literature is not in agreement about how the design of land uses affects transit patronage. Some researchers conclude that residential areas must be developed to a minimum of seven dwelling units per acre and must be designed with pedestrian amenities before significant transit ridership will occur. This literature generally is silent about the design of the transit service to which the development would be connected; indeed, some such developments have been built with no transit at all. The idea is that transit may come eventually. Where would such service take people when it did eventually come? Researchers in this category generally do not say. They appear to assume that transit riders and routes have only one destination: the central business district.  To these researchers, effective government policy for shifting motorists to transit is to give incentives to the development community to build higher density residential developments with excellent pedestrian connections to attractive‐looking bus and rail stops, regardless of whether there are any buses or trains using the stops, and if there are, how effectively the bus or rail services can take passengers where they want to go. Advocates for such developments call for a mixture of uses, but in practice the non‐residential parts of such developments typically are confined to such residential‐serving activities as convenience stores, coffee houses, and dry cleaners.  

Other researchers conclude that the design of residential areas is not sufficient to increasing transit use. If a resident gets to a bus stop, she then is confronted with the question, how efficiently will the bus take her to where she wants to go? The design of the transit service determines the answer to that question. That is the question to which public policy should concern itself, according to these researchers.   Hypothesis 

Which of the two types of public policy is more effective in increasing transit patronage? The two policies may be summarized as: 

1. Encouraging Transit Oriented Development around transit stops will increase transit ridership, regardless of the quality of the transit service linking that stop with every place a person might wish to go.  

2. Encouraging the creation of transit service designs that get passengers where they wish to go will increase transit patronage greatly, even if the walking environment on the origin or destination end of the trip is not addressed. 

Are both types of policies important?  The hypothesis that is tested in this research is that, although both policies are effective to increasing transit patronage, the second is more effective.  Research Design   We test the hypothesis by two methods of empirical research, each focused on bus transit in Broward County, Florida.  We proposed Broward County in the research proposal, because planners in Broward County consciously designed transit service to take riders living in virtually any part of the urbanized parts of the county to reach destinations located virtually in any part of the county. We thus are able to test the hypothesis that this method of organizing transit service is effective. 

Chapter 3. Questions, Hypotheses, and Research Method 

Synopsis of Literature Findings   The literature review suggests general agreement about variables under the control of transit managers that influence transit patronage. These variables include fares, coverage of service, and frequency of service. Service orientation also is suggested by some research

14 

 

O e effectiveness  area that has focused on serving well one important desti ation. The comparison transit system is The T in 

s on serving well a traditional downtown and does not attempt to take atrons

e counties, and the results of the evolution in terms of passenger miles per capita, 

passeng   

 unty 

y in 

e distribution of population and employment, the distribution of urban design features, and the dist

ne of the two research methods for testing the hypothesis is a case study comparing th and efficiency of transit service in Broward County to transit service in another urban

nFort Worth, Texas, which focusep  to many other important destinations in Tarrant County, the county in which Fort Worth is located. In the case study, we compare population magnitude and growth in Broward and Tarrant counties, the two counties’ places in their respective urban regions, the manner in which transit servichas evolved in the two 

er miles per vehicle mile, and operating expense per passenger mile. Passenger miles per capitareveals how well each transit systems penetrates their respective markets, passenger miles per vehiclemile reveals the average number of passengers on board a bus each mile it operates and reveals productivity, while operating expense per passenger miles shows the resources devoted to moving each passenger one mile. 

The second research method for addressing the hypothesis is a statistical analysis of transit patronage and its relationship to service design and urban design in Broward County. It is possible to objectively measure how well transit links the population of different parts of Broward County to jobslocated throughout the county, and doing so reveals a great deal of variation. Some areas of the coare well connected to jobs; some are not. There also is a great deal of variability to transit ridership within the county. Some areas of the county produce much more ridership than other areas. What accounts for the variability in ridership? Is it the variability in the ability to reach jobs? Is it variabilitthe urban designs of the various areas? Is it merely reflective of the distribution of population? In the statistical analysis, we construct models explaining the variability of transit patronage in the county in terms of th

ribution of the quality of transit service in each area, measured by the ability to reach employment in the county. The models allow us to test our hypothesis as well as counter hypotheses. 

15 

 

here 

 

 

trips.   The survey suggests largely a transit‐dependent ridership riding between many pairs of origins and destinations. It suggests that important explanatory variables in a model predicting transit ridership would include auto ownership (more autos would lead to less ridership), income (higher income would lead to less ridership), and the presence of children in the household (more children would lead to higher ridership). Employment, employment density, and parking fees also would be important variables for the destination of a trip. Employment would be important, because almost half of the ridership is work trip related (and our dependent variable is work trips). Employment density would be important, because riders would have to have to walk from the bus to their work place destination, and walk trips likely would be shorter in higher density work environments. We think that measures of walkability of both the origins and destinations of trips would be important, because the transit dependent users would have to walk to their destination, and most likely would walk from their residence to the bus (though they could park and ride or be dropped off).  We use these considerations and others in specifying our model for predicting work trips.  Model Specification Functional Form 

The nature of the transit patronage data influences the choice of model specification. The flow of passengers between any pair of zones is a count variable, which is a non‐negative integer. In Broward County, the flow between many pairs of TAZs is 0, and the maximum flow is 41. The mean is .015, indicating a large number of 0 flows. As a consequence, the variance (.172) is large compared to the 

Chapter 4. Statistical Analysis 

Introduction   From the Census Transportation Planning Package we obtained Year 2000 estimates of how many transit work trip passengers traveled between each pair of the 921 TAZs in Broward County. Tare approximately 848,000 pairs of TAZs (called interchanges), between which transit passengers potentially could travel. In this chapter we specify and estimate a model that explains the flows of transit work trip passengers from one zone to another. The estimated parameters of the model allow us then to test hypotheses about the relative importance of the explanatory variables in determining transit ridership. This chapter explains the specification and estimation of the model.    The major transit system that carries most transit passengers within Broward County is Broward County Transit. Broward County Transit operates a grid of bus routes on most of the arterial roads serving the populated parts of the county, as well as community circulator routes, and dial‐a‐ride. Chapter 5 offers a synopsis of Broward County Transit’s current service structure and how it evolved. Here, before constructing a model to predict its work trips, we provide a thumb nail sketch of its patronage as revealed by an on‐board survey.   In 1997 the Center for Urban Transportation Research conducted an on‐board survey of Broward County Transit passengers, the results of which we obtained from Broward County Transit staff(Center for Urban Transportation Research 1997).  Sixty percent of the riders belonged to households earning less than $20,000 per year, while nine percent earned more than $50,000. Of the riders not coming from home, 46% were coming from work, 17% from shopping, 12% from visiting friends and relatives, 12% from non‐categorized purposes, 6% from school, and 6% from the doctor. Forty‐seven percent of riders had no car in their household while another 32 percent had one car. Slightly more thanhalf of the riders were female. Slightly more than half of the riders were black, 35% where white, and 10% were Hispanic. Sixty‐four percent of the riders transferred one or more times to complete their 

16 

 

mean (.015). These characteris odel to be estimated by negative binomial regression, a  1993; Long and Freese, 

y, 

 

 TOD. 

 t . 

 

. 

tics suggest that we specify an exponential m form often used in models of migration (Greene,

2006).  Variables Describing Trip Production   An exponential model predicting passenger flows is a form of gravity model. In gravity models, explanatory variables typically depict the mass of the originating and destination zones, respectiveland the transportation friction separating the two zones (Haynes and Fotheringham, 1984). We choose mass variables based on the hypotheses that we wish to test and the data that we can obtain. The hypotheses that we are testing are that urban form variables influence transit trips between one zoned anoan ther. Population and population density are variables typically used to indicate mass of the 

originating zone for work trips. In addition, we use median household income (Map 3), percentage household with children (Map 4) and average auto ownership (Map 5). We use those, which are available at the TAZ level in the Southeast Regional Planning Model, known as SERPM05 (Corradino 2008) and the Census Transportation Planning Package 2000 (CTPP). In addition, we create a multiplicative variable to denote the degree to which the originating zone has characteristics of ae desW cribe the origin zone TOD or neighborhood TOD variable below. 

  The distribution of population in Broward County by TAZ is shown in Map 1. The map indicates heavy population concentrations across the western part of the county, which partly reflects the larger size of traffic analysis zones in the western part of the county. Map 2 corrects for TAZ size and displaysthe distribution of population density. Zones with higher population density are scattered throughouthe built up parts of the county. The highest density zones are cluster west and north of downtown FtLauderdale, but there also are many higher density zones in the eastern part of the county. Small zones of higher population density surround the Ft. Lauderdale central business district, but there is little population located in the center of the Ft. Lauderdale CBD, which is devoted to employment, as shownin Map 6. . We also create a multiplicative variable that indicates the degree to which a TAZ simultaneously exhibits high retail, high service, and high mix of households (with and without children)We hypothesize that all of these attributes are important for generating transit trips, but if they all exist simultaneously, there is an added boost to transit patronage compared to the individual contribution of each of these variables in generating transit trips. We present the construction of this composite variable below.

Map 1. Distribution of 2005 Population in Broward County by TAZ  

   Source: SERPM Data (2005)  

17 

 

18 

 

in Broward County Map 2. Distribution of 2005 Population Density (Persons per Acre) 

    Source: SERPM Data (2005) 

 

Map 3. Distribution of 2000 Median Household Income in Broward County 

19 

 

 

  

Source: Census Transportation Planning Package (2000)

20 

 

d County Map 4. Distribution of 2005 Percentage Households with Children in Browar 

   

Source: SERPM Data (2005) 

Map 5. Distribution of 2005 Average Household Auto Ownership in Broward County  

  

Source: SERPM Data (2005)  

21 

 

22 

 

On the destination end of the trip, employment, employment density, walkability and parking charges typically are used to indicate the attractiveness of the zone for transit trips. These four variables are available through SERPM05. Map 6 shows the distribution of employment, Map 7 the distribution of employment density, Map 8 the distribution of employment density with the Broward County Transit route map superimposed on it, and Map 9 a distribution of zones charging for work trip parking. In addition, we create a multiplicative variable to denote the degree to which these various attributes for attracting transit trips are present simultaneously. As we do on the origin end of the transit trip, we hypothesize that the simultaneous existence of all of the desirable destination variables in a destination TAZ would give a boost to attracting transit patronage to the zone compared to the sum of the transit attractiveness of each of the variables. We describe the construction of the interaction variable below. 

Map 3 indicates that employment is widely dispersed in Broward County, although not as widely dispersed as population. Higher density employment occurs on an east‐west axis in the northern part of the county running from Coral Springs to the ocean. There also are zones with sizable employment in the west central and southern parts of the county. Map 4 indicates the distribution of employment density. Zones with higher employment density also are widely scattered, though there is a greater tendency for them to be located in the eastern part of the county. The highest density zones are in the Ft. Lauderdale CBD, through which runs the north‐south Florida East Coast Railroad. North and south of the Ft. Lauderdale CBD are scattered along the railroad other zones of higher density employment, though much larger employment concentrations are found to the west. Map 8 indicates that the grid‐like route structure of Broward County Transit serves almost all of the employment in Broward County. 

Long term parking fees (Map 9) tend to exist in the eastern areas of the county. Zones with the highest fees are those in the Ft. Lauderdale CBD. To the south the airport shows up as a zone with parking fees. High activity beach areas east of Fr. Lauderdale and farther to the north also show long term parking fees. To the south of Ft. Lauderdale, the airport, downtown Hollywood, and barrier islands charge for parking. In Coral Springs to the northwest, zones containing the small downtown and very large regional medical facilities also are indicated as having long term parking fees. 

We also examined how walkable are each of the TAZs in Broward County. FDOT in the SERPM05 model defines the walkability of the various TAZs in southeast Florida. The variable that they created is a count variable that can be 0, 1, 2, or 3 for a given TAZ. It is 0 if a TAZ has no sidewalks, no marked crossings of streets, and is assigned a rural area type. It is 1 if fewer than 10% of the streets have sidewalks, fewer than 10% of the intersections have marked crossings, and the area type is designated OBD. It is 2 if between 10 and 90 percent of the streets have sidewalks, between 10 and 90 percent of the intersections have marked crossings, and the area type is fringe or residential. It is a 3 if more than 90 percent of the streets have sidewalks, more than 90 percent of the intersections have marked crossings, and the area type is CBD. Map 10 shows the distribution of the walkability variable for Broward County and shows that in general the Ft. Lauderdale CBD, the Hollywood downtown, coastal zones and a scattering of other zones are defined as walkable  (Corradino 2008, Table B32, p. B27). 

Attraction Variables 

23 

 

bution of 2005 Employment in Broward County by TAZ Map 6. Distri 

  

Source: SERPM Data (2005)  

  

24 

 

Map 7. Distribution of 2005 Employment Density (Jobs per Acre) in Broward County 

Source: SERPM Data (2005)  

25 

 

Map 8.  oward County Transit Routes Superimposed on a Map of Broward County  Employment Density

    

Br 

                                         

Source: Broward County Transit

Map 9. Distribution of 2005 Long Term (8 hours) Parking Fees in Broward County, in Cents 

    

Source: SERPM Data (2005)  

26 

 

27 

 

  

 Transit Friction Variables 

One hypothesis that we are testing is that the number of transit trips from one TAZ to another is influenced not only by land use characteristics of the originating and destination TAZs, but also by the quality of transit service linking the two TAZs. The literature review suggests that we may measure quality of transit service between an origin and a destination by both transit fares and transit travel time between the two points. The higher the fare or the longer the transit travel time between two TAZs, the greater the transit friction between the two TAZs, and presumably larger friction leads to fewer transit trips. We use transit travel time as the measure of transit friction in this study. This is because Broward County Transit charges a flat fare that does not vary from one pair of TAZs to another, making it impossible to measure the influence of fares on patronage. Whatever results we obtain are understood to prevail with the fare structure that was in existence in 2003. Transit travel time, on the other hand, varies widely from one pair of TAZs to another, and it is possible to test whether such variance affects the magnitude of transit travel. Thus, we focus upon transit travel time as the variable denoting quality of transit service.  

We use SERPM05 to obtain estimates of the time that it would take for a passenger to travel between each pair of zones in Broward County using transit. Dave Schmitt of AECOM Consult, acting on behalf of FDOT District 4, provided us with peak and base transit skims for the 2005 scenario. Each skim is a square matrix whose column and row headings are the TAZs in Dade, Broward, and Palm Beach Counties. Thus, each cell indicates a component of transit travel time between a pair of TAZs. The skims consist of several tables corresponding to each stage of the transit journey. Table 1 of the skims is the time spent walking to and from the bus at each end of the trip. Table 4 of the skims is time spent riding the local bus. Table 11 of the skims is time spent waiting for the initial bus. Table 12 of the skims is time spent waiting for all of the connecting buses if transfers are required.  

Perceived door‐to‐door transit travel time between two TAZs is the addition of the perceived time required by a transit traveler to negotiate each of the several stages required to complete a trip from beginning to end. A traveler has to walk from the origin of their trip to a bus stop. The traveler then has to wait for the bus. After riding the bus, the traveler may have to transfer to a second bus, which requires additional waiting time. There may be more than one transfer. Finally, the traveler has to walk to the final destination. Typically, transit users perceive the time spent waiting and walking outside of the vehicle to be more onerous than time spent on board the vehicle. Practitioners in southeast Florida weight out of vehicle time at 2.25 times greater than in‐vehicle travel time (Corradino 2008,  Tables 2‐22 and 2‐23, p. 2‐39). For this research, we obtain perceived door‐to‐door travel time by weighting walking and waiting time at 2.25 compared to the time spent in riding the transit vehicle, and then adding the weighted times to in‐vehicle time.1  

The transit travel time between one TAZ and another can differ by time of day. Transportation demand models that estimate transit travel times within metropolitan areas often provide estimates for the peak period and the off‐peak. The appropriate time to use depends upon the dependent variable. In 

                                                            1 We first determined (by consulting with FDOT District 4 modelers) which TAZs in the 2005 scenario b hese were 1751 through 2671. We then transferred those parts of the ta d County TAZs to Excel2007. This action resulted in a set of 921 rows by 921 column tables for Broward County. 

elonged to Broward County. Tbles representing the Browar

28 

 

is case, the dependent variable is comprised of work trips. Most work trips occur during the peak, so e used skims from the peak travel time model to extract perceived transit travel times. 

here is one further modification that we made to the matrix. Some cells had zeros in them. The  possible to use transit between the two TAZs represented by the cell. The 

reason it 

alking 

o 

 employment, as well, although most literature on TODs assumes that the primary role of a TOD  

 of analysis that we have to work with is t

 re 

le 

uderdale CBD have the highest index (3) for walkabi

appear, and we were surprised to see that they look very walkable to us. The TAZ adjacent to Hollywood, for example, is comprised of a fine grid of mostly narrow streets lined on both sides with 

thw

Tzeros indicate that it is not

is that one or both of the TAZ’s are too far from the nearest transit stop to make walking possible. Actually, zero is a poor choice to place in a cell representing two unconnected TAZs, because indicates that a person can instantaneously travel from one to the other. In reality, the travel time should be impossibly long. For such cells, we replaced the zero with a large number (99999), which indicates that it would take an impossibly long time to use transit in traveling between the two TAZs. 

 The  TOD Variables 

Planners define Transit Oriented Developments (TODs) as a mixture of land uses within wdistance of a transit stop (usually defined as a quarter mile maximum walking distance) that promote transit use. A quarter mile circle around a transit stop contains 160 acres, which is the area of a TOD. Tbe a TOD the 160 acre area must be designed to be walkable. It also must contain a minimum of seven dwelling units per acre (14 to 21 inhabitants per acre) organized into a mixture of housing types. The area should have

 is to originate transit trips that are destined to a CBD, and consequently says very little aboutemployment. Calthorpe (1993), on the other hand, argues that some TODs should be designed as regional destinations, characterized by up to 11,000 regional jobs within the 160 acre site, mixed in with one to two thousand residents. Those magnitudes of jobs and population on a 160 acre site yield a population density of 12 persons per acre and an employment density of 69 persons per acre for a regionally‐oriented TOD (Calthorpe 1993; Frank and Pivo 1994; Cervero 2002). 

In this study we wish to determine whether there are zones in Broward County that exhibit at least some of these characteristics, which Cervero (2002) characterizes as density, diversity and design, and if so, do those characteristics stimulate transit patronage? The unit

he traffic analysis zone (TAZ) and data associated with it; namely, population, households, employment, and area.  

Our approach is to first identify TAZs in Broward County that have household and employmentdensities that exceed the threshold established by Calthorpe for neighborhood and urban TODs. Theare six TODs that meet the Calthorpe thresholds for neighborhood TODs (Map 11). Three are in the Ft. Lauderdale CBD, one is north of the Ft. Lauderdale CBD by about four miles, one is northwest of the Ft. Lauderdale CBD by about six miles, and one is south of the Ft. Lauderdale CBD adjacent to the Hollywood CBD.  There are only three that do so for urban TODs, and all three are in the Ft. LauderdaCBD (Map 12).  

We next considered how walkable these TAZs are, using Map 10 as well as Google Earth as references. According to Map 10, all TAZs in the Ft. La

lity. On the other hand, Map 10 indicates that the three TAZs that are candidates for neighborhood TOD designation and that lie outside of the Ft. Lauderdale CBD are only minimally walkable, each with an index score of 1. We then used Google Earth to see how these three TAZs 

sidewalks. The arterial roads defining the edges of the TAZ are lined with sidewalks and have many signalized pedestrian crossings. The remaining two non‐CBD candidate TAZs for neighborhood TOD designation have pedestrian connections almost but not quite as good as the TAZ near Hollywood. We therefore considered all of the candidate TAZs to be walkable. 

29 

 

 ed as urban 

TODs allx 

t to 

g zone 

  use mix (entropy value) = ‐ [single family * log (single family)] +[multifamily*log

  

ided 

 

10  10  10 

2  

s, 

are  high 

Based on population and employment density as well as walkability we defined as neighborhoodTODs all of the six of the candidate TAZs for neighborhood TOD designation, and we defin

 three of the candidate TAZs for urban TOD designation. We then rated each of these TAZs for the degree to which they possess mixed uses, using an index ranging from 0 to 1. The value of the indeis based on an entropy index method used by several researchers of transit oriented developmenindicate mixed land uses.  Frank and Pivo (1994), for example, measured the square footage of various zones devoted to different land uses. They used the following formula to develop a measure ranginfrom 0 (there is only one land use in the zone) to 1 (there is an equal share of square footage in the devoted to all land use categories under consideration): 

Level of land10  10 

(multifamily)] + [retail and services * log10 (retail and services)]  

+ [office * log10 (office)] + [entertainment * log

10 (entertainment)] + [institutional * log

10 

(institutional)] + [industrial/manufacturing * log10 (industrial/manufacturing)]/log10(number of 

categories). Equation 1

Because we have household and employment categories for every zone  rather than land areas divinto categories that Frank and Pivo had, we modified their entropy index to use the variables that we have available to measure mix of uses. We considered that a desirable mix of uses would be equal numbers of households with and without children and equal proportions of retail and non‐retail employment. Our modified Frank and Pivo entropy index is as follows:  

TOD = ‐ [population in household without children * log10 (population in household without 

children)] +[ population in household with children *log10 (population in household with 

children)] + [retail * log (retail)] + [services * log (services)] + [other employment * log

(other employment)]/ log10(number of categories). Equation 

  Map 11 shows our final designation of neighborhood TODs. There are six of them. Three are in the Ft. Lauderdale CBD with a moderate mix of uses, indicated by indexes of .241, .287, and .369. The other three neighborhood TODs have comparable degrees of mixed uses as the ones in the Ft. Lauderdale CBD. All three of the non‐CBD neighborhood TODS are characterized by mixes of small one story homes on small lots and small to medium sized apartments ranging from one to four stories. Mixed in with the residential dwellings in all three zones are storage lockers, light industrial buildingstrip retail establishments, tennis courts, and baseball diamonds.    Map 12 shows our final designation of urban TODs. There are three of them, and they all located in the Ft. Lauderdale CBD. Their indexes of mixed use are .698, .764, and .878, indicating adegree of mixed use for all three urban TODs. 

30 

 

  

Map 10. Walkability of Broward County TAZs per SERPM05 Definition   

  

Source: SERPM Data (2005)  

31 

 

Map 11. Distribution of Neighborhood TODs (NTOD) 

  

   Source: SERPM Data (2005) 

32 

 

Map 12: j) in Ft. Lauderdale CBD  

 Distribution of Urban TOD Attraction variable (UTOD

   Source: SERPM Data (2005)  

 

33 

 

he Specified Model   Putting these considerations together, we arrive at the model specification shown in Equation 3:  

                                                                                                                                                                         Equation 3 where, Tij represents the number of transit work trips originating in zone i and terminating in zone j;  TTIM_PERCEIVEDij= perceived door‐to‐door transit travel time between zone i and zone j; POPi = population in originating zone i; POP_DENSITYi=population density in originating zone i ; NTODi=Neighborhood TOD variable for originating zone i ; MEDHHINCi=Median household Income in originating zone i ORI_WLKi=Walkability index in the originating zone i %HHWCHILDi= Percentage of household with children in originating zone i AVGHHAUTOi=Average household auto ownership in originating zone i EMPj=employment in destination zone j ; EMP_DENSITYj=employment density in destination zone j ; PARK_LTj=long term parking fee in destination zone j ;  UTODj=Urban TOD variable for destination zone j ;  DES_WLKj=Walkability index in the destination zone j ; and, the b’s are parameters to be estimated.    In words Equation 3 tells us that work transit trips originating in zone i and destined to zone j are influenced by the population, population density, TOD characteristics of the originating zone, median household income, walkability, children in households and auto ownership of the originating zone as well as by the employment, employment density, long term parking fees,  TOD characteristics, and walkability of the destination zone,  and by the perceived transit time that one must endure to travel between the two zones. The question is, what is the relative importance of each of these variables for determining transit ridership? By estimating Equation 3 with population, employment, and TOD variables for each of Broward County’s TAZs, as well as with transit travel time between each pair of zones, we can answer that question. We will obtain values for each of the parameters in Equation 3, and when we have those parameters, we may test our hypotheses.   Data   The data for estimating the model potentially could contain 848,241 observations, if we include as an observation travel between any pair of traffic analysis zones. Many of these observations would be invalid, however, and we removed them from the data. The Census Bureau suppressed ridership data from TAZs where the population is too small to protect confidentiality of the respondents. We estimated that the  population where suppression occurred is about 500 people, and we remove from the  ning traffic analysis zones with fewer than 500 people. Also, many of the  ervice connecting them. Where there was no transit service connecting 

T

),_*_**_*

_***%*_*

**_**exp(

13121110

98765

43210

ijjjj

jjiii

iiiiij

PERCEIVEDTTIMbWLKDESbUTODbLTPARKb

DENSITYEMPbEMPbAVGHHAUTObHHWCHILDbWLKORIb

MEDHHINCbNTODbDENSITYPOPbPOPbbT

++++

++++

+++++=

 threshold d data  all observation contaiobservations had no transit s

 set

34 

 

one zon  with another, we set the transit travel time value (Ttime) at a very large number of minutes, ever, created an average transit travel time between one zone and another of 

1,000 ervice did not exist by eliminating observations where Ttime was more than 90,00.   Upon removing observations affected by confidentiality procedures and absence of transit service, we obtained a data set for estimating the model. The modified data set is shown in Table 1. The modifications removed somewhat less than 300,000 observations, leaving about 550,000 observations for estimating Equation 3. Table 1 shows that the minimum population now is 505 people, and the maximum value of perceived transit travel time (Ttime) between an origin and a destination is 353 inutes, while the average is 139 minutes. 

 Summary of Data Set With Some Observations Removed 

ximum

e99,999. Doing so, how1 minutes. This value is absurdly large. We therefore removed all observations where transit s

m Table 1.

Variable   Observations Mean Std. Dev. Minimum  Ma

Ridership   550,441 0.02 0.49 0.00  35.01.20 1,752.30 505.00  9,799.000 5.86 0.88  70.84

827.47 962.63 0.00  7,983.000.00  186.20

9.52 16.65  353.19.09 54.67 0.00  431.00.92 24,377.78 0.00  200,000.00

0.00 0.03 0.00  0.3700 0.05 0.00  0.88

550,441 1.378135 0.8469453 0  3Origin Walk Index  550,441 1.46 0.75 0.00  3.00% Hou

Population  550,441 2,598Popden  550,441 9.8Employment   550,441Empden  550,441 5.88 12.85Ttime   550,441 139.49 4Park2   550,441 14

,286Median Household Income  550,441 45Neighborhood TOD  550,441Urban TOD  550,441 0.Destination Walk Index 

sehold with Children  550,441 40.17 17.78 1.15  78.36Average Household Autoownership  550,441 1.64 0.35 0.58  2.60                    Co‐linearity Among Independent Variables   Table 2 presents pair‐wise correlations between each pair of independent variables shown in Table 1. If two independent variables are highly correlated with each other, estimations of models 

ining them may result in erroneous estimated parameters for one or both of those variables. al

contaGener ly correlations above an absolute value of about .7 indicate potential problems. Table 2 shows that there are no concerns with co‐linearity in this data set.  

Table 2. Pair‐Wise Correlations between Independent Variables  

  R   used negative binomial regres timate ci  Equati  dsummarized in Table 1. Table 3 presents t . Re icate t eces o atio  t el. They indicate the usefulness of el in p ing wo ridersh n f z ive importan y v ing  they  binomial hod form

ddress the last questions firs ated earlier, the nat f the ex ory vard nt model. The u t  i sion, but that choice is valid o ndent variable (in our sit wo s betwe o zone  a variat king at Table  that  riable,  “Rider  has a   a ean.2 In such a case, negative binomial regression is called for. The chibar2 s ttom of Table  3 indicate ability Poisson ssion w tter procedure to use than negative bino ial regression. at probab  is zero to t least three decimal laces. We appear vindicated in having used negative binomial regression. 

The chi‐square statistic tests the hypothesis that all of the coefficients for the explanatory ariables are in reality zero; that is, the explanatory variables have no explanatory power. Table 3 

e case is zero to at least four decimal places. We reject that  

e 

t we can place in that coefficient. If the 95 ercent confidence interval includes zero, we do not have much faith in that variable for explaining 

transit work trip ridership. However, we might conclude that the variable tends to have an effect if the 95 percent confidence interval just barely includes zero. We see in Table 3 that the confidence interval 

                                                           

esults We sion to es  the coeffi ents in on 3 with ata 

he results sults ind hree pi f inform n abouthe mod  the mod redict rk trip  ip betwee  a pair oones, they indicate the relat

ether negativece of each explanator

 isariable in mak  the prediction, and

ting the also indicate whodel. 

 regression  an appropriate met  estima  

We a t. As indic ure o planat iable ictates that we use a cou sual coun model is Po sson Regresnly when the depe  case, tran rk trip en tw s) has nce hat is equal to its mean. Loo  1, we see this va  called, ship,” variancebout  ten times its mtatistic at the bo s the prob  that   regre as a be

m  Th ility  ap

vindicates that the probability of that being thhypothesis and conclude that at least some of the explanatory variables are useful for predicting worktrips between two zones. However, the low value of the pseudo r‐squared statistic indicates that thexplanatory power of the model is not high. 

Turning to each of the explanatory variables in Table 3, we see the estimated coefficient for each one, and we see the 95 percent confidence interval thap

 2 The standard deviation of ridership is .49, so the variance is .24 (standard deviation squared). The variance is roughly ten times greater than the mean.  

35 

 

36 

 

ble (UTODj) just barely includes zero. oth variables tend to increase transit ridership the larger they become, indicating that zones with more 

TOD‐like qualities or higher long term parking rates will stimulate more transit patronage. The effect is weak, however.  Table 3. Estimation of Model  

Negative binomial regression  No. of obs  =  550,441 

LR chi2(8)  =  991.94 

Dispersion     = mean  Prob > chi2  =  0.0000 

Log likelihood =‐13289.766    Pseudo R2  =  0.036 

Dependent variable is Ridership 

Independent Variables  Coefficient Standard 

Error  Z Statistic  P>|z|  95% Confidence Interval Elasticities at means 

for both long term parking (Park2) and the destination TOD variaB

Pop 

Pop_densi

0.00021  0.00003  6.59  0.0000  0.00015  0.00027  0.54 

28 

come  ‐0.00002  0.00000  ‐4.47  0.0000  ‐0.00002  ‐0.00001  ‐0.73 

NTOD 

  0.0000  ‐2.51539  ‐1.13346    

/lnalpha 

ty  0.02822  0.01299  2.17  0.0300  0.00276  0.05368  0.

Emp   0.00065  0.00006  10.34  0.0000  0.00053  0.00078  0.54 

Emp_density  ‐0.01009  0.00533  ‐1.89  0.0590  ‐0.02055  0.00036  ‐0.06 

Ttime   ‐0.01989  0.00104  ‐19.16  0.0000  ‐0.02193  ‐0.01786  ‐2.77 

Park2   0.00146  0.00098  1.50  0.1350  ‐0.00045  0.00337  0.02 

MedHHIn

‐0.89537  1.22323  ‐0.73  0.4640  ‐3.29285  1.50211  0.00 

UTOD  1.26735  1.08121  1.17  0.2410  ‐0.85179  3.38649  0.00 

Des_Walk  0.05244  0.05599  0.94  0.3490  ‐0.05731  0.16219  0.07 

Ori_ Walk  ‐0.03208  0.06976  ‐0.46  0.6460  ‐0.16880  0.10464  ‐0.05 

% HH with Children  0.03491  0.00398  8.78  0.0000  0.02712  0.04270  1.40 

Avg. HH Auto  ‐1.49458  0.23949  ‐6.24  0.0000  ‐1.96398  ‐1.02519  ‐2.45 

Constant  ‐1.82443  0.35254  ‐5.18

|  6.79355  0.03539  6.72419  6.86292 

alpha |  892.07570  31.57108        832.2949  956.1505    

Likelihood‐ratio test of alpha=0:  chibar2(01) = 9.8e+04                         Prob>=chibar2 = 0.000 

  The elasticity of the variable at means also is important in establishing which variables are 

important in affecting transit patronage. In an exponential model, such as Equation 3, the elasticity of demand with respect to each explanatory variable is the value of the variable multiplied by its coefficient (Manheim 1979, p. 125, Table 4.1). The elasticity at means indicates how many percentage points transit ridership will shift when there is a one percent shift in the explanatory variable away fromits mean value shown in Table 1. For example, the mean value of perceived transit travel time from one

  

 by  In 

zone to another in Broward County is 139 minutes, as shown in Table 1. If we reduce that travel timeone percent, we can expect an increase of transit ridership between those two zones by 2.77 percent.

37 

 

ons at the destination zone of the trip: employment.   One variable (which turns out to e the most important variable) describes the difficulty in making the trip between the origin and 

ed transit time between the two zones. The transit travel time  has a articularly high elasticity. Not as important are employment density (in fact, it has the wrong sign), long 

t  at the production end of the trip (which the rong signTOD variable at the destination end of the trip, the walkability at the origin  (whi  also has wrong the walkability at the destination end. As we indicated  of neighborhood  earlier in this chapter, we do not have confidence in  variables.  d s of the remainder of the results below.  D  Our confidence in the results shown  Table 3 is strengthened by the corroboration   to t ard Cou it passengers r in the n ize  introduction to this chapter.  As does the survey, Table 3 presents a picture of a highly transit‐dependent ridership.  Population magnitude does the most to explain the magnitude of passengers originating in a TAZ, but presence  household children, e size  household a ship all have sign   nt effe n mo  the ud tronapredicted by population.  For c t the proportion seho h   increases in a ng zone, transit u ase %. For y per at a at e’s auownership rises, transit use   by  For ev rcen an originating mediincome increases, transit use s b . Table ows t to ownership ome a ot h ted (.58), so w et t cts of income an  own  rider as largely independent of each  Households with children cre    for  and   auto  for any given  auto .   for eve percentag tha lationdensity in the originating zone  the mean, riders  incre  .28%.   destination variables  support the profile  a transit e dership. For everp  employment in ati is raise ve th n, r  attracted to th ne i crease by .5  fac mployment dens the d io depret ship can be inter  a  of a la  tran end u  suspect t er density employm h a  in Ft. Lauderdale C o    more affluent  who tend to to their  Transit dependent workers  likely  going to scattered employment sites that have lower density. This argument might also explain the small (though measurable) effect that long    on boosting transit ridership to in  zone, a  boosting transit ridership. 

The variable that has the greatest effect in determining transit ridership is TTIM, which measures how much time transit riders perceive that it takes them to travel from an originating TAZ to a destinat

 a 

 

 

Table 3 we see seven explanatory variables with relatively high elasticities. Five of these are variables describing conditions in the zone where the trip originates:  population , population density,  median household income, percentage household with children and average household auto ownership. One describes conditibdestination zones: the perceivperm parking, the TOD variable  also has   w ),  the 

 end ch the  sign), and 

 TODs in our definition the walkability  We

iscuss the implication

iscussion  in they give

d in thehe profile of Brow nty Trans evealed   passe ger survey summar

 of  th  of household income, anduto owner ificant and importa cts o difying  magnit e of pa ge 

 every per ent tha  of hou lds wit childrenn originati se incre s by 1.4  ever cent th n origin ing zon to 

declines 2.45%.  ery pe t that   zone’s  an  decline y 0.73%  2 sh hat au  and inc re n

ighly correla e interpr he effe d auto ership on transit ship other.   ate more demand  travel reduce

 availability  level of is increased

 ownership above

Also, ry hip

e ases by

t popu  

 

The  also    of  dep ndent ri    y ercent that  a destin on TAZ  d abo e mea idership at zos predicted to in 4%. The t that e ity at  estinat n zone  sses ransit rider preted as n effect rgely sit dep ent pop lation.  Wehat high ent, suc s that found  the  BD, is c mprised of

 workers  drive   work.  more  are

 term parking rates have  a dest ations well as the small positive effect that urban TOD designation has on 

ion TAZ. The average TTIM in the data set is 139 minutes. For every percent that TTIM is reduced from the mean, the model predicts that transit ridership will increase by 2.77%. TTIM thus hastremendous impact on transit ridership.   The TOD variables have much less of an influence on ridership, but the important TTIM variablesuggests that TOD developments could be important to transit development, particularly in the long term. The Urban TOD variable contributes marginally to higher transit ridership, while the NeighborhoodTOD variable contributes marginally to depressing ridership compared to what population and population density of zones predict on their own. These small effects may stem from the fact that 

38 

 

n s, e 

 ng 

rship. 

duce walk times on the originating and destination ends of transit trips; 

easing overall regional densities, so as to shorten the distance between origins and 

rd 

e direct routes ould b

es e 

•

 

Broward County contains no development that has all of the characteristics of neighborhood and urbaTODs promulgated in the literature. We did identify several zones that are walkable, have mixes of useand have both high population and employment density, but these zones do not look like the TODs onsees in the literature. They either are in the Ft. Lauderdale downtown, or they are what appear to us to be down market neighborhoods.  

We turn now to the TTIM variable to understand what it says about desirable policies for boosting transit ridership.  TTIM is comprised of several components including the time to walk from home to the bus stop, the time required to walk from the destination bus stop to the final destination,the time spent waiting for the bus, and the time spent transferring, in addition to the time spent ridithe bus.  Anything that policy makers can do to reduce TTIM will greatly increase transit ridePossible policies are: 

• Encouraging development into TOD configurations to re

• Incrdestinations, thus reducing the length of transit trips; 

• Shortening circuitous transit travel, by restructuring routes from CBD‐radial to grid configurations (see the case study in the next chapter); 

• Reducing headways to reduce wait and transfer times; • Speeding up service on heavily‐traveled routes by increasing door capacity (so that passengers 

will board and alight faster) and changing fare collection systems so that passengers can boaat all doors 

• Speeding up service by segregating transit vehicles from private vehicular traffic. In general, we can group these policies into two categories: those that change the transit system to better link origins and destinations, and those that group activity around the origins and destinations (which may be termed TOD policies). Examples of the first set of policies are restructuring of routes into grids or spider webs with relatively frequent service. Such networks would have more direct and faster connections between the dispersed population and employment clusters characteristic of Florida metropolitan areas than more conventional routing. The model results show that the morw oost ridership in several important ways. More direct routes mean less territory to cover and fewer minutes on the bus. More direct routes also mean faster buses, removing still more minutes from the time on the bus. More frequent service means less time waiting for the first bus and less time waiting at the transfer point.  

A drawback could be longer walks to the bus, but this is where the second set of policies comin: grouping population and employment around the stops into TODs to shorten walking distances.  Thresults suggest that the TOD policies are less important than the first set, but the results also suggest that TOD policies can have a significant impact if TODs are: 

• designed to have a large percentage of their units available to families with children;  designed to appeal to households with one or no cars available; • designed to have a significant number of units available to households of limited means; and, • designed to have short walks along attractive and safe paths to transit stops that are well‐

connected to jobs throughout the region. In the long term, if policy succeeds in directing most population and employment growth into TODs, regions will be more compact, and distances between origins and destinations will be shorter. Accordingto the model, shorter distances would have a large effect on increasing transit patronage. 

39 

 

ht  two approaches to transit system design.    

 two settings. We then examine performance of transit in each  

 and ansit (Stoleson 2008) and The T(Amos 

 Transit (Broward County Transit  2008a 

an 

 22‐

. 

s  Worth. It does have small downtowns (the largest of which is Ft. 

Lauderd

 

Chapter 5. The Case Study  Introduction   Planners and policy makers consciously designed Broward County Transit to serve not only dispersed population, but also dispersed employment. This chapter examines differences (and similarities) between Broward County Transit and a more traditional transit system configuration focused on an historic central business district. The comparison system is Ft. Worth Transportation Authority, known as The T, serving Ft. Worth, Texas. The objective of the comparison is to gain insiginto the efficacy of the  We first examine the settings for Broward County Transit and The T before considering the historic evolution of transit in each of theof the two areas, using three indicators. These are passenger miles per capita, passenger miles pervehicle mile, and operating expenses per passenger mile.   Sources for this section include the Miami and Dallas regional case studies in BrownThompson (2009), interviews conducted with Broward County Tr2008)  officials in 2008, data made available by Broward Countyand 2008b) and The T (Fort Worth Transportation Authority 2008) subsequent to the interviews, and data from the National Transit Data Base, retrieved through FTIS.  The Settings   Both transit systems serve counties that are the second largest in their respective metropolitareas. Broward County, served by Broward County Transit, lies immediately north of Dade County, in which lies the City of Miami. Tarrant County, served by The T, lies immediately west of Dallas County, home to the City of Dallas. As of the most recent year for our data (2006), both Broward and Tarrant counties had similarly sized populations that grew at nearly the same high rate over the precedingyear period (Figure 1). They differ in one important way, however. Tarrant County contains a large, traditional central business district (downtown Ft. Worth) that emerged in the late nineteenth centuryAn electric streetcar system and an electric interurban line running between Ft. Worth and Dallas, evolved in symbiosis with downtown Ft. Worth. Broward County has no traditional central businesdistrict of the magnitude of Ft.

ale) that grew around stations on the Florida East Coast Railroad that linked Miami to Jacksonville in the 1890s,running near the coast, but well into the twentieth century Miami remained as the only traditional central business district of the region.  

40 

 

igure 1. Broward and Tarrant Counties Have Similar Populations and Growth Rates, 1984‐2006 F

 

     Broward County Transit and The T are the second largest transit systems in their respective metropolitan areas.  They both are the primary transit providers in the counties that they serve, they connect with transit systems in other counties. Broward County Transit buses enter northCounty where they connect with Miami Dade Transit Authority buses (Map 13).  They also connect with Palm Tran buses in southern Palm Beach County. About ha

and ern Dade 

lf of BCT bus routes also cross tracks of Tri‐ail. Tri‐Rail, operated by the South Florida Transportation Authority, is a suburban passenger service 

using tracks on the old Seaboard Air Line Railroad, five or six miles inland of the Florida East Coast Railroad. Tri‐Rail trains connect Miami to West Palm Beach, stopping at seven stations within Broward County.  Tri‐Rail currently runs trains hourly in both directions during the week day. These are supplemented by additional trains during peak periods. Service is every two hours on weekends. During early 2008 Tri‐Rail boarded about 14,000 passengers per day, with a little more than a third of those boarding at Broward County stations. While the Broward County train boardings are substantial, there is virtually no transfer activity between Broward County Transit buses and Tri‐Rail trains. Tri‐Rail passengers wishing to board BCT buses would pay 50 cents to do so, less than half the normal bus fare of $1.25 (as of October 2007); BCT passengers wishing to transfer to Tri‐Rail trains would pay the full Tri‐Rail fare (which is zoned depending upon distance traveled) but would get to board BCT for free.  

R

41 

 

s study focuses on unty buses. 

The T is more insulated from other bus systems in its metropolitan area (Map 14), but it is omewhat better integrated with commuter rail service, known as Trinity Railway Express (TRE). TRE began limited service from Dallas Union Station (where it connects with Dallas Area Rapid Transit light rail trains) to a station south of the Dallas‐Ft. Worth airport in 1996; in2001 TRE service was extended westward into the Ft. Worth central business district, where it connects with The T buses in a large multi‐modal transit terminal.  TRE trains now run roughly on an hourly headway Monday through Saturday, with more service during peak times and was attracting roughly 9,000 passengers per day in March 2008, rising to over 12,000 passenger per day in July 2008 as gas prices rose. The T and Dallas Area Rapid Transit share in ownership of TRE, and there are free transfers between The T buses and TRE trains. There is some amount of transfer activity between The T buses and TRE trains, but not much. Trinity Rail Express serves few trips within Tarrant County, so this study focuses on The T.

Transfers between BCT buses are free. Because of the absence of transfer activity, thiBroward Co s

42 

 

tems Fit into Their Regional Contexts Similarly: BCT Adjacent to Miami‐Dade ransit 

 Map 13. Both Transit SysT and Tri‐Rail 

43 

 

ap 14. The T Adjacent to Dallas Area Rapid Transit and Trinity Rail ExpressM

44 

 

 Transit Development in the Broward County 

Prior to public involvement in the provision of transit service in Broward County, two private operators offered service in the county. One ran several routes focused on the Ft. Lauderdale downtown; the other ran several routes focused on the Hollywood downtown. Our agency contact person characterized both systems as having skeletal, circuitous routes with hourly headways.  He called them, “spaghetti networks,” that attempted to go “where the riders are;” that is, routes wandered through neighborhoods where riders lived. On the other end, routes served the beaches and were designed to carry domestics who worked in condos. Our agency contact person further characterized the systems as “unreliable and inefficient.”  

Broward County Transit was organized to take over the two private systems in the mid‐1970s. Originally it was a division in the Office of Transportation but later was moved to Community Services, reflecting a vision of transit as being a social service. Sometime later BCT was moved back to the Office of Transportation, where it remains today. At first BCT expanded upon the route structure that already was in place. One improvement was the creation of an overlay of express bus routes that ran from various parts of the county to downtown Ft. Lauderdale and to Miami International Airport. 

Our agency contact person, who joined the system as that time as a bus driver, said that the system carried few riders. Even the modest ridership that the express lines initially attracted dwindled from year to year. Low ridership on all of its services prompted BCT management to reflect upon how it might do things differently. Service to Miami International Airport was suspended when Eastern Airlines shut down. The director of the system at the time, Houston Miller, determined that the system needed to be gridded, but that it would be changed over incrementally. The process began in 1980 with Operation Changeover.  Base headways were reduced from 60 to 30 minutes on what were termed, “mainline routes.” Headways were shortened due to recognition that a grid would require many passengers to transfer to complete their trips. Hourly headways were felt to be too long for passengers to wait at transfer points. 

The gridding of the system happened over 10 to 15 years, beginning in 1980. For many years some routes still had deviations to serve destinations like condo complexes. All express routes were gone by the late 1980s. Our agency contact person said that BCT formed its routing decisions with studies by CUTR and NTI that compared BCT to other transit agencies. BCT also used common sense. Broward County has a grid pattern for its arterial roads, so the move to grid transit network seemed logical. Our agency contact person also reported that BCT received positive feedback from its early route straightening that gave it confidence to continue with them. After BCT made route straightening, they would see ridership increase. Impacts of changes appeared right away. He also pointed to population growth as a factor influencing steady increase in ridership from 13 million trips in 1984 to around 40 million today.   The heaviest service today operates on U.S. 441, a high‐speed, heavily trafficked multi‐lane arterial highway that runs through the middle of the built up part of the county in a north‐south orientation. Two routes operate on this road from one end of the county to the other. Route 18 provides local service on 15 minute headways. “The Breeze” provides limited stop service, stopping every mile or so to interchange passengers with buses on heavy east‐west routes. Loads are heavy, and BCT uses articulated buses to handle them. The U.S. 441 routes serve no downtown but do serve numerous strip malls, regular malls, and big box stores. Apartment complexes generally are only one to two blocks away on either side. On the south end the U.S. 441 routes connect with Metro Dade buses. The Breeze picks up 10 to 15 passengers per trip at this point, some of whom are transferees from MDT buses.  

 

45 

 

When BCT eliminated route deviations by pulling buses out of neighborhoods and putting them n arterial roads, it met some political resistance from users who did not want to walk farther to reach a 

 was the designation of some transit operating funds to support

ts in 

 

s passing them. Residents living in most parts of the county can rea

 T to evolve v  in 

l of 

port through its gas tax. Financing is more difficult for The T and restricts the territor  

ust 

ts 

lation 300,000), in contrast, refuses to provide sales tax funding to either The T or to allas A iest 

n. 

s  

 CBD 

 

 connections are coordinated. Other routes wind through neighborhoods not served by 

 obus stop. The political solution to this problem

 community circulators, small buses that wander through neighborhoods, taking residents to nearby destinations and to stops on the mainline BCT routes. There are many local governmenBroward County, and evidently the local governments determine how to run the circulators in their jurisdictions. Our agency contact person states that almost all of the patronage growth for BCT has been on the mainlines on the arterial roads.  

The left panel of Map 15 shows BCT’s route structure in 2006 in relation to employment densityin the county. The dispersal of employment sites throughout the county is readily apparent.  All employment sites have gridded transit route

ch employment wherever it is located by using buses running in straight lines along arterial roads.  Transit Development in Tarrant County   The dominance of the Ft. Worth central business district over a long period of time and differences in funding mechanisms for transit between Texas and Florida have influenced The

ery differently than Broward County Transit.  Streetcar lines and the Ft. Worth CBD grew handhand during the early twentieth century, with streetcars extending out to suburbs from the CBD in the classic radial pattern. Through the transition from streetcar to bus and to the present day, this pattern of organizing transit routes has not changed (though it has been added to), even though employment and residents have decentralized ever more throughout the region since autos ownership began rising rapidly after World War I.    Finance also affects the pattern of transit development in Florida and Texas. As a county department, BCT receives subsidies from the county in sufficient magnitude to allow it to serve althose parts of the county that are urbanized. The Florida Department of Transportation also provides some transit operating sup

y that it can serve. There is no state operating support for transit in Texas, where local sales taxrevenues provide the primary source of subsidy for transit operating deficits. Texas transit systems mappeal to individual communities for sales tax revenues, but Texas law imposes a sales tax cap on communities of 8.25 percent. Many communities already were at the limit before transit agencies approached them for funding. If a community chooses not to provide sales tax funding for transit, it geno service. Because The T historically served the city of Ft. Worth and was a city department before becoming an authority in 1983, it receives tax support from the city (population today of about 700,000). At the time it became an authority, it received a dedicated ¼ cent sales tax from the city to support transit. The T also receives support from the city of Richland (population 7,000). The city of Arlington (popuD rea Rapid Transit; Arlington thus receives no transit service. Unfortunately, some of the heavemployment concentrations and most rapid employment growth in Tarrant County are in ArlingtoThus, The T does not serve significant parts of the urbanized areas in Tarrant County.   The T’s route structure today is largely radial in nature.  The two most heavily‐traveled routeoperate in straight lines on arterial roads from one side of the city to the other, one north‐south and theother east‐west. These operate every 15 minutes during weekdays. The two routes intersect in theat the Intermodal Transportation Center, where Trinity Rail Express also stops. Schedules are coordinated so that passengers may transfer in both directions between the two routes and with TrinityRail trains. The outer ends of these routes serve transit centers from which fan community circulator routes. Again,

46 

 

e first

s   

 major employment centers (particularly in the north) and transit c

 the n centers residents in many parts of Tarrant County cannot reach the jobs without first traveling 

ut of direction to the CBD transfer center, transferring, and then riding back out into the suburbs in b concentrations that routes of The T do not touch at all. 

hose in

th  two routes on their way to the CBD. Some operate every 30 minutes; others hourly. There is a major route that was implemented relatively recently and operates on arterial roads as it connects transit centers on the east, south, and west ends of the city. This belt route, which operates every 30 minutes, does not serve the CBD but does serve malls. It is the third most heavily patronized of The T’routes, and its patronage has been growing briskly. During peak hours, seven express buses operatefrom outer neighborhoods and transit centers to the CBD. Most express routes consist of a handful oftrips in the peak direction during the peak hours. In addition to regular route services, The T operates vans during shift changes between some

enters.   The right panel of Map 15 shows The T’s route structure in 2006 in relationship to the distribution of employment in Tarrant County. Although Ft. Worth is a central business district, employment is widely scattered throughout the county. While radial routes of The T pass by many ofsuburbaoanother direction. There also are major joT  Arlington are along the eastern border of Tarrant County.   Map 15. BCT Serves Many Destinations; The T Serves One Destination Well 

  

47 

 

 a 

 turated the market. This is not the case of BCT compared to The T. Service productivity 

 period T 

vity to a much greater extent than does 

he T. We denote the penetration of the travel market as riding habit, a term that the U.S. transit dustry once used to this purpose. Historically the transit industry defined riding habit as revenue 

 statistic of revenue passengers (that it now calls linked trips), so we define the term as revenue passenger miles divided by population served.  We also define the population served as that in the county. Even if the transit system does not serve all of the county, residents that it does serve want to reach destinations throughout the county, so county population is a fair measure. On that basis, we see in Figure 3 that riding habit now is nearly five times greater in Broward County than it is in Tarrant County. We also see in Figure 4 that because of its greater productivity, BCT spends significantly less to move a passenger one mile than does The T. 

To gain additional insight into the relative performance of the two transit systems, we examine in Table 5 the performance of their various categories of services.  At the time we collected data, BCT distinguished only two categories of service: the gridded fixed bus routes operating on arterial roads, and community bus services, circulating through neighborhoods. The top panel of Table 5 shows that the fixed routes are far more productive than are the community routes while accounting for about 15‐fold more patronage than the community services. Moreover, our agency contact person for BCT states that all of the patronage growth for the system has been accounted for by the gridded mainline routes on arterial roads. 

The T operates a wider array of services. Our examination of the performance of individual routes (FWTA 2008) shows only three routes with heavy patronage. The well‐performing routes include the east‐west and north‐south routes that intersection in the CBD and the belt line that connects the east and south suburban transit centers with suburban destinations while intersecting with all routes operating to the CBD from the east, south, and west.  These three routes account for just more than 50% of the patronage of the fixed route system in FY 2008. Other radial routes, crosstown routes, circulator routes, and express routes have much lower patronage. The seven express routes contributed only 2.7% of system patronage. Table 2 reflects the widely differing performance level in each category 

                                                           

 Comparative Transit Performance 

We collected operating statistics for both systems showing performance from 1984 through 2006. These are summarized in Table 4. BCT has been more generously funded than The T, and this is apparent in Table 4 in the amount of service provided, measured as revenue miles.  A revenue mile isbus running one mile in revenue service. In 1984 BCT operated slightly more than twice the revenue miles that The T operated. By 2006 BCT operated almost four times as many revenue miles as The T.  

Often times a system that provides much more service than another will be less productive,because it has sameasures the average number of passengers on board the bus at any given time. For much of theBCT buses were one and a half times to twice as full as The T buses, though productivity for The increased rapidly in 2005 and 2006, greatly narrowing the gap.3  Figure 2 visually shows the productivity trends. We suspect that the greater productivity of BCT buses arises from the wider array of destinations that they serve relatively well. 

As a consequence of offering four times as much service combined with the greater productiof each mile of service, BCT penetrates the travel market in its area Tinpassengers divided by population served. The industry no longer collects the

 3 The improvement in productivity for The T is not the result of more passengers riding the system, but the result of passengers riding longer distances. We asked our agency contact person why passengers were riding longer 

; we noted that express bus ridership was not increasing. Our agency contact persons did not know the ason. 

distancesre

48 

 

f service by showing large differences between mean and median performance in most categories. The  or two routes that do well in the crosstown and radial categories 

respect  As 

omean is heavily weighted by the one

ively, whereas the median reflects the performance of the remaining routes in each category.in Broward County, in Tarrant County the routes that perform the best are those that operate in relatively straight lines on major arterial roads, serving a relatively large array of destinations. 

49 

 

(2006$)1984 1,110,862 72,755,935 6,771,663 65.50 10.74 $0.501985 1,132,921 84,264,996 7,437,699 74.38 11.33 $0.491986 1,154,494 78,991,384 8,375,628 68.42 9.43 $0.591987 1,180,921 61,379,078 8,875,849 51.98 6.92 $0.781988 1,208,428 75,028,484 8,910,748 62.09 8.42 $0.681989 1,233,040 67,589,568 8,973,206 54.82 7.53 $0.801990 1,263,301 81,992,838 8,947,336 64.90 9.16 $0.681991 1,296,261 81,118,030 9,120,846 62.58 8.89 $0.681992 1,325,375 97,622,366 9,134,271 73.66 10.69 $0.551993 1,372,526 96,753,748 9,111,227 70.49 10.62 $0.561994 1,412,641 103,822,086 9,662,692 73.50 10.74 $0.531995 1,447,124 111,004,429 9,767,690 76.71 11.36 $0.501996 1,481,333 109,542,370 9,832,227 73.95 11.14 $0.511997 1,522,179 110,289,977 9,801,046 72.46 11.25 $0.501998 1,560,649 111,568,312 10,410,633 71.49 10.72 $0.531999 1,594,130 114,736,758 10,598,450 71.97 10.83 $0.512000 1,623,018 119,986,652 12,013,192 73.93 9.99 $0.532001 1,670,494 137,200,475 13,245,365 82.13 10.36 $0.512002 1,703,998 142,999,966 14,687,845 83.92 9.74 $0.532003 1,728,336 153,883,282 15,392,404 89.04 10.00 $0.552004 1,753,000 162,009,619 15,314,924 92.42 10.58 $0.542005 1,777,638 162,688,826 15,760,508 91.52 10.32 $0.532006 1,787,636 168,100,759 16,013,518 94.04 10.50 $0.53

Year County Population

Passenger Miles

Revenue Miles

Riding Habit

Service Productivity

Operating Expense per

Passenger Mile (2006$)

1984 1,001,836 25,996,998 3,146,409 25.95 8.26 $0.621985 1,043,207 23,787,695 3,826,627 22.80 6.22 $0.751986 1,083,641 27,286,469 3,729,784 25.18 7.32 $0.721987 1,116,110 26,077,602 3,513,866 23.36 7.42 $0.731988 1,133,193 21,543,916 3,596,248 19.01 5.99 $0.841989 1,149,530 31,693,345 3,606,597 27.57 8.79 $0.601990 1,177,220 48,894,085 4,217,180 41.53 11.59 $0.391991 1,205,887 41,969,177 4,597,108 34.80 9.13 $0.501992 1,225,543 27,569,034 4,516,312 22.50 6.10 $0.821993 1,243,884 32,344,667 4,827,258 26.00 6.70 $0.731994 1,270,639 34,797,556 4,992,711 27.39 6.97 $0.691995 1,294,453 30,474,382 4,993,480 23.54 6.10 $0.771996 1,323,207 30,275,663 4,754,570 22.88 6.37 $0.731997 1,355,318 28,706,617 4,940,493 21.18 5.81 $0.821998 1,388,366 24,962,373 4,597,262 17.98 5.43 $0.921999 1,422,372 25,373,686 4,657,887 17.84 5.45 $1.002000 1,446,219 27,266,081 4,740,854 18.85 5.75 $0.962001 1,488,780 30,617,583 4,868,114 20.57 6.29 $1.002002 1,525,317 27,632,150 4,750,862 18.12 5.82 $1.172003 1,557,128 24,048,649 3,923,945 15.44 6.13 $1.142004 1,587,019 21,537,919 3,879,328 13.57 5.55 $1.182005 1,620,479 29,106,436 4,459,345 17.96 6.53 $0.892006 1,671,295 31,615,080 4,063,813 18.92 7.78 $0.85

Sources: FTIS (2008), U.S. Census Bureau (2008)

Fort Worth Transportation Authority (The T)

Table  4. BCT and The T Bus Service, 1984‐2006   

Year County Population

Passenger Miles

Revenue Miles

Riding Habit

Service Productivity

Operating Expense per

Passenger Mile

Broward County Transit (BCT)

50 

 

Compar Figure 2 Productivity (Passenger Miles per Bus Mile, 1984 ‐ 2006)  

ative Performance 

. 

      Figure 3. Riding Habit (Passenger Miles per Capita, 1984 ‐ 2006)  

 

51 

 

igure 4. Efficiency (Cost per Passenger Mile, 1984 ‐ 2006) F  

                            

52 

 

able 5. Transit Performance by Service Type, BCT and The T 

Broward County Transit (BCT)

T 

Service Type Monthly Boardings

Monthly Revenue

Hours

Boardings per Revenue Hour

AverageMedian Route

Fixed-Route Bus 3,209,681 87,317 36.76 31.72 Community Bus 214,085 21,183 10.11 8.84

Fort Worth Transportation Authority (The T) Service Type Monthly

Boardings Monthly Revenue

Hours

Boardings per Revenue Hour

AverageMedian Route

Radial Routes 355,389 20,036 17.74 13.72 Crosstown Routes 67,247 4,562 14.74 10.61 Express Routes 11,372 1,023 11.12 12.94 Feeder Routes 59,313 4,657 12.74 8.54 Circulator Routes 15,798 675 23.39 7.73

All CBD-serving Routes 366,360 21,311 17.19 13.09 All Non-CBD Routes 142,759 9,642 14.81 11.78

All Fixed-Route Bus 509,119 30,953 16.45 12.81 Sources: BCT (2008), FWTA (2008).

Note: BCT and The T statistics are for January 2008.

53 

 

 Conclu  According to much o r  offe ter built environment to support greater transit demand than does Broward  Tarrant Count es a traditional central business district and surrounding inner suburbs, whos k  streetcars were the d nsport mo most nt County’s growth t ce after the a e the dom n of a t  e ts in Ta  a core whose land uses were shaped around transit and at presum ly today fers a hospitable environment in which transit can prosper. Planners for The T have taken advantage of this situation and have continued to focus transit ro es and CBD jobs. They further have enhan ing neighborhoods and the CBD  day pe io

In contrast, no such central busines  existed in Bro nty, which consisted during the pre‐auto era of very small towns strung out along  li n form of Broward County b ape later, long  priv mob  the domi m of urban t ntral busin ict the rged. d, employ s it grew in Broward C  the coun ate tra rvice urvived int 970s connected r with the small d  of  erda  the private  attracted few riders, p  to think of a  of serving the t when the ty took over the service.

n for ld e ansit form much  in Tarrant County t  just t  ha pired  of the explanation for this unexpected r anizatio ding. unty  Bro  Transit is c ways   s e t t n  t  small  wns. The T, in c e ci  of Ft. Worth, and ot r jurisdictions in the county do not w ly, The T thinks of its market much differently than BCT.  

We think that it is the difference in thinking that accounts for the rest of the difference in performance between the two systems. Large areas of employment in Tarrant County remain un‐served by transit, and much of the suburban employment that is served is done so ineffectively because of circuitous routing.  The T serves the Ft. Worth CBD well but other possible destinations less well. In contrast, BCT with its grid route structure on major arterial roads serves most destinations tolerably directly. This contrast suggests to us that how a transit system uses its route structure to connect together origins and destinations is more important to developing ridership than is the design of the origins and destinations.  

This is not to say that policies for concentrating development around stops at both the origin and destination of transit trips would not boost transit ridership. The modeling effort of Chapter 4 clearly shows that if walk trips to and from buses were shorter in Broward County, without sacrificing route speeds or headways to accomplish the shorter walks, ridership would increase markedly. One way for shortening walks is through transit oriented development. Over time, if policy through the large scale application of TODs can accommodate population and employment growth in smaller urban regions than otherwise would be the case, transit ridership would increase substantially.

  

sions f the literatu e, Tarrant County

County. rs a bety possess shape whene form too

ominant urban tra de. While   of Tarra ook plautomobile becam i ant form   tr

 thnsporta ion

ab, there xis

 ofrrant County

utes as connectors between suburban residencice by o a ne expced transit serv

 during weekverlaying ak travel per

twork of ds. s district

ress buses between outly

ward Coune. The urbaa railroad 

egan to take sh  after the ate auto ile was nant forransportation. No ce ess distr n eme  Instea ment aounty scattered about ty. Priv nsit se  that s o the 1esidential areas  owntown Ft. Laud le, but  servicerompting planners nother way  marke  coun

 So, based on urba m we wou xpect tr  to per  better

han in Broward. And yet, he opposite s trans .  Partesult derives from orgmpelled to think of 

n and funerving th

 As a coire coun

‐wide agency,ot just

ward Countydowntoo of  en

tyy,  he

heontrast, has its organization roots in thant to pay for service provided by The T. Consequent

54 

 

hapter 6. Discussion and Conclusions 

study seeks to understand the relative efficacy of two classes of policies intended to 

 

 

s. 

 ership 

 s 

 

ed  

g  

 dispersed, planners cannot achieve time reductions by implementing direct routes between every pair of origins and destinations. Planners need to think in terms of networks of routes that depend upon transfers. Ideally 

C   This increase the ridership and productivity of public transit service in Florida. One class of policies seeks to improve transit effectiveness by freezing transit service in the older parts of metropolitan areas (where it is alleged that higher densities of population and employment and the presence of pedestrian amenities induce higher levels of transit demand) and directing new population and employment growth to redeveloped areas around transit stops in the older areas. The other class of policies seeks toconnect employment and population, wherever it locates, as directly as possible by transit routes. The thrust of transit development of this second category of policies is in the newer rather than older parts of metropolitan areas, because it is in the newer areas where most population and employment growth is located. 

The study uses two methods, both focused on transit service in Broward County, Florida. The first method, presented in Chapter 4, is statistical and seeks to examine transit ridership between everypair of traffic analysis zones in Broward County in order to understand the importance of variables that might give rise to that ridership. The variables that we used give insight into both hypotheses; the purpose of the statistical analysis is to understand which of the variables are more important. We conducted our analysis with data for 2005, when there were 921 traffic analysis zones in Broward County and over 800,000 pairs of zones. Because of the fact that transit service did not exist between every pair of zones and the further fact that the Census Bureau suppressed data from some zones for confidentiality reasons, we actually analyzed transit ridership between about 550,000 pairs of zone

The statistical analysis developed a relatively weak model for predicting work transit trips between an origin zone and a destination zone, but that model none‐the‐less speaks clearly about variables that increase transit ridership and those that have little impact. In general, the model supportsthe efficacy of the second set of policies. The most important consideration in attracting transit ridis to directly connect population and employment. The analysis shows that it does not matter where thepopulation or the employment are located. Reducing travel time from places where people live to placethat they want to go, measured by employment, is by far the most important thing policy can do to increase transit ridership. Policy can shorten transit travel time by restructuring routes, by improvingheadways, by extending coverage, and by increasing speed. It is not important where the employment is located; that located in the CBD does not have a particularly greater draw than that located elsewhere. It is important to serve it all. 

The conclusions about the ability of TOD developments to increase transit ridership are cloudby the fact that there are no TOD developments in Broward County, and our efforts to identify TAZs withdevelopment that is similar to TOD development were not successful. However, our results from the model clearly indicate that shorter walking times to and from transit are highly important for increasintransit ridership. TODs, if designed properly, will reduce walking time to and from transit and thus willincrease transit ridership significantly.  

An implication of this finding is that planning methods that focus on the relationship of developments to stops will be effective if they take into account how well the stops are connected to all destinations in the region. Creating short walking times along attractive paths will boost transit ridership if the transit stops to which the paths connect are well‐connected to population and employment throughout the region.  

Another implication is that because both population and employment are

55 

 

rge, routes would be speedy, as well. Transfer  and fare structures should facilitate 

use 

 

 

 

 ty. 

t 

s 

 

 

routes would be frequent, and if the areas traversed are laoints should be designed for easy movement between routes,p

transferring. Running express buses from many neighborhoods to CBDs would be ineffective, becaCBDs account for so little of regional employment.  However, in larger regions an overlay of a regional grid of limited‐stop routes offering much higher scheduled speeds than local buses, interconnecting all important employment concentrations in a region, is an important component of a transit network thatachieves higher ridership. 

The second method used in this study, presented in Chapter 5, is a case study analysis that comes to similar conclusions to those drawn from the statistical analysis of Chapter 4. The case study compares transit development in Broward County with that in Tarrant County, Texas, where Ft. Worth islocated. Both counties are the second counties in their respective metropolitan areas in terms of population and employment. Both counties have similarly sized populations, and both counties have grown at about the same rate over the past several decades. Transit service in both counties connectswith relatively recently‐created rail commuter service originating in the dominant county of the respective areas. There are major differences in transit policy between the two counties, however. Broward County has no historic central business district, and the transit system has a county‐wide focus.The route structure is a grid that serves all population and employment concentrations in the counCounty residents can get from most parts of the county to most other parts where employment is located. Tarrant County, however, contains the Ft. Worth central business district, and transit service historically developed in Ft. Worth as streetcars focused on that CBD. Transit technology in Ft. Worth now is bus, but the route structure still is largely radial in nature focused on the CBD. There also is a CBD‐foc enused express bus system super‐imposed on the local routes. Many areas of major employmgrowth in Tarrant County outside of the CBD remain un‐served by transit, however. The city of Arlington, which contains tens of thousands of jobs, remains the largest urban area in the United States without transit service.  

So, here we have two transit systems laid out according to two different transit policies. Transit in Broward County attempts to connect most origins to most destinations scattered throughout the county with a grid of routes, requiring many passengers to transfer. Transit in Tarrant County attempts to connect many neighborhoods to the CBD, where large numbers of jobs are located. Both local buseand peak period express buses focus on the Ft. Worth CBD.  The idea is to serve one destination well, and the destination that is chosen has well‐developed pedestrian connections to jobs. Which policy is the more effective for attracting transit riders?  The case study comparison points to the strategy of connecting all population to all jobs throughout the urban region as being the more effective in stimulating transit ridership.  Broward County is an environment where transit is not supposed to work. There is no downtown and employment is scattered. Yet, transit in Broward County carries almost 400 percent more ridership per capita than does transit in Tarrant County, while each bus mile operated in Broward County carries about 35 percent more passengers. 

In summary, we provide two analyses, one statistical and one a case study comparison. Both analyses point in the same direction. The most effective policies for increasing transit ridership andproductivity are those oriented to connecting together population and employment that is decentralized throughout metropolitan regions in Florida. It need not be one policy or the other, however. TOD policies can be important in decentralized areas such as Florida by shortening the walk and improving its attractiveness on each end of the transit trip. Over time, to the extent that TOD policies will promotethe creation of more compact metropolitan areas with shorter distances between origins and destinations, such policies will further stimulate transit ridership. 

56 

 

c 

 

Browar  

.” 

 

ersity, 

References   

American Public  Transit Association. Building Better Communities. Washington, D.C.: American PubliTransit Association, 1987. 

 

Amos, Nancy (Senior Vice President) and Carla Forman (Assistant VP) of Ft. Worth Transit Authority (The T). Interview conducted by phone with Ms. Amos and Ms. Forman in their office in Ft. Worth by Greg Thompson and Jeff Brown in Tallahassee, 16 July 2008. 

 

Bae, Christine, Chang‐Hee. Orenco Station, Portland, Oregon: A Successful Transit Oriented Development Experiment? Transportation Quarterly, Vol. 56, No. 3, Summer 2002 (9‐18). 

 

Beimborn, Edward. Guidelines  for Transit Sensitive Suburban Land Use Design. Washington, D.C.: U.S.Department of Transportation, 1991. 

 

d County Transit 2008a. “Route by Route Monthly Ridership October 2007 ‐ September 2008.” Ft.Lauderdale, 4 June 2008. 

 

Broward County Transit 2008b. “Route by Route Hours and Miles, October 2007 through January 2008Ft. Lauderdale, 4 June 2008. 

 

Bernick, Michael and Robert Cervero. Transit Villages in the 21st century. New York: McGraw‐Hill, 1997. 

Brown, Jeffrey and Dristi Neog. “Reexamining the Link Between Urban Structure and Transit Ridership in the United  States.”  Tallahassee,  FL:  Florida  Planning  and Development  Lab,  Florida  State Univ2007. 

 

57 

 

Brown,  Jeffrey  and  Gregory  L.  Thompson. ip  Between  Transit  Ridership  and  Urban Decentralization: Insights from Atlanta.” Urban Studi s 45 (5&6): 1119‐1139, 2008. Cited as 2008a. 

 

  Productivity: A Multivariate Analysis.”  Transportation  35  (2):  237‐252, 008. Cited as 2008b. 

Institute, 2009, cited as 2009a. 

 of Mode  2009, cited as 

009b. 

 An Analysis of Public Transportation to Attract Non‐Traditional iders in California. Sacramento, CA: California Department of Transportation, 2003. 

t American Metropolis: Ecology, Community, and  the American Dream. New ork: Princeton Architectural Press, 1993. 

nsit Ridership  Initiative. Transit Cooperative Research Program Research esults Digest Number 4. Washington, DC: Transportation Research Board, National Research Council, 

1995. 

 

Cambridge  Systematics,  Inc. Continuing Examination of  Successful Transit Ridership  Initiatives. Transit 

 

  “The  Relationshe

Brown,  Jeffrey  and  Gregory  L.  Thompson.  “Examining  the  Influence  of  Multidestination  Service Orientation  on  Transit  Service2

 

Brown, Jeffrey and Gregory L. Thompson. The Influence of Service Planning Decisions on Rail Transit Success or Failure. San Jose, CA: Mineta Transportation 

 

Brown, Jeffrey  and Gregory .L. Thompson., “Express Bus versus Rail Transit: How the Marriageand Mission Affects Transit Performance.” Transportation Research Record 2110:  45‐54,2

 

California Department of Transportation.R

 

Calthorpe, Peter. The NexY

 

Cambridge Systematic, Inc. TraR

Cooperative  Research  Program  Research  Results Digest Number  29. Washington, DC:  Transportation Research Board, National Research Council, 1998. 

58 

 

ional Research Council, 2005. 

 

h Record: Journal of the Transportation Research Board, No. 1992, Transportation Research Board of the National Academies, Washington, D.C., 2007, pp. 28–34. 

Center  for  Transit‐Oriented  Development  (Jeffrey  Wood,  Mariia  Zimmerman,  and  Shelley  Poticha, ton, 

ervero, Robert. Ridership  Impacts of  Transit‐Focused Development  in California. Working Paper No. 

,  Robert.  1994.  “Making  Transit Work  in  the  Suburbs.”  Transportation  Research  Record  1451  3‐11.  

 

Cervero,  Robert.  “Walk‐and‐Ride:  Factors  Influencing  Pedestrian Access  to  Transit.”  Journal  of  Public 

 

Cervero,  Robert.  “Built  Environment  and  Mode  Choice:  Toward  a  Normative  Framework.” 

ervero,  Robert.  “Office  Development,  Rail  Transit,  and  Commuting  Choices.”  Journal  of  Public Transportation 9, no. 5 (2006): 41‐55. Cited as 2006a. 

Cervero,  Robert.  “Transit‐Oriented  Development’s  Ridership  Bonus:  A  Product  of  Self‐Selection  and ublic Policies.” Forthcoming in Environment and Planning A (2006). Cited as 2006b. 

 

Cambridge  Systematics,  Inc.  Evaluation  of  Recent  Ridership  Increases.  Transit  Cooperative  Research Program Research Results Digest Number 69. Washington, DC: Transportation Research Board, Nat

Canepa, Brian. Bursting the Bubble ‐ Determining the Transit‐Oriented Development’s Walkable Limits. Transportation Researc

principal authors). Destinations Matter‐‐‐Building Transit Success, Report FTA CA‐26‐1007. WashingD.C.: Federal Transit Administration, U.S. Department of Transportation, May 2009. 

C176, Chapter 2. Berkeley, CA: University of California Transportation Center, 1993. 

Cervero(1994): 

Cervero, Robert. The Transit Metropolis: A Global Inquiry. Washington, D.C.: Island Press, 1998. 

Transportation 3, no. 4 (2000): 1‐23. 

Transportation Research Part D 7, no. 4 (2002): 262‐284. 

 

C

 

P

59 

 

 

Charles River Associates, Inc. Building Transit Ridership: An Exploration of Transit’s Market Share and the : 

 

Development on Motorized Travel, Energy Use, and CO2 Emissions – Special Report 298. Washington, D.C.: Transportation 

 

 Models, Technical Report 3, Model Application Guidelines. Ft. Lauderdale: Florida epartment of Transportation, District IV, January 2008. 

rane, Randall and Richard Crepeau. Does Neighborhood Design Influence Travel?: A Behavioral Analysis of Travel Diary and GIS Data. Transportation Research D, Vol, 3, No. 4 (1998): 225‐238. 

ueker,  Kenneth,  James  Strathman,  and Martha  J. Bianco.  Strategies  to Attract Auto Users  to  Public Transportation.    Transit  Cooperative  Research  Program  Report  40. Washington,  DC:  Transportation 

B

 

Dunphy, Robert T. and Douglas R. Porter. Manifestations of Development Goals in Transit‐Oriented 

 

Elmore‐Yalch, Rebecca. Using Market Segmentation  to  Increase Transit Ridership. Transit Cooperative 

Cervero, Robert and John Beutler. Adaptive Transit: Enhancing Suburban Transit Services. Berkeley, CA: University of California Transportation Center, 1993. 

Public  Policies  that  Influence  It.  Transit  Cooperative  Research  Program  Report  27. Washington,  DCTransportation Research Board, National Research Council, 1997. 

Committee for the Study on the Relationships Among Development Patterns, Vehicle Miles Traveled, and Energy Consumption. Driving and the Built Environment: The Effects of Compact 

Research Board, National Research Council, 2009.  

The Corradino Group, in association with AECOM Consult, Inc. Southeast Regional Planning Model VI, 2000 and 2030D

 

C

 

D

Research  oard, National Research Council, 1998. 

Projects. Transportation Research Recorder 1977 (2006). 

Research  Program  Report  36.  Washington,  DC:  Transportation  Research  Board,  National  Research Council, 1998. 

 

60 

 

Board, National Research Council, 2004. 

 

Ferreri, Michael. “Comparative Costs”. In Public Transportation, edited by G.E. Gray and L.A. Hoel. 2nd 

ixed Use Density  on Utilization  of  Three Modes  of ravel: Single‐Occupant Vehicle, Transit, and Walking.” Transportation Research Record 1466 (1994): 44‐52. 

  Fort 008. 

Greene, William  H..  Econometric  Analysis,  Second  Edition.  New  York: Macmillan,  1993.  Chapter  21, 

 

   

adj‐Chikh, Gibran J. and Gregory L. Thompson. “Reaching Jobs in the Suburbs: Tri‐Rail in South Florida.” Transportation Research Record 1618 (1998): 14‐21. 

Evans,  John.  Transit  Scheduling  and  Frequency.  Transit  Cooperative  Research  Program  Report  95, Chapter 9. Washington, DC: Transportation Research 

 

Ewing,  Reid,  Keith  Bartholomew,  Steve Winkelman,  Jerry Walters,  Don  Chen.  Growing  Cooler:  The Evidence on Urban Development and Climate Change. Washington, D.C.: The Urban Land Institute, 2008. 

ed. Englewood Cliffs, NJ: Prentice Hall, 1992. 

 

Frank,  Lawrence D.  and Gary  Pivo.  “Impacts  of MT

 FWTA,  Fort  Worth  Transportation  Authority.    “Year‐to‐Date  Ridership  Comparison  by  Route.”Worth: Fort Worth Transportation Authority, 31 August 2

 

Frumkin‐Rosengaus,  Michelle.  Increasing  Transit  Ridership  through  a  Targeted  Transit  Marketing Approach. University Microfilms International, 1987. 

 

Gomez‐Ibanez,  Jose  A.  “Big‐City  Transit  Ridership,  Deficits,  and  Politics:  Avoiding  Reality  in  Boston.” Journal of the American Planning Association 62, no. 1 (1996): 30‐50.  

 

Models with Discrete Dependent Variables, pp. 635‐681. 

Haas,  Peter.  “Ridership Enhancement Quick  Study.” Mineta  Transportation  Institute,  San  José  State University, 2005. 

 

H

61 

 

Haynes, K.  and S. Fotheringham. Gravity and Spatial Interaction Models. Sage Publications, 1984. Pp. 1‐8, 40‐47. 

Hemily,  Brendon.  Trends  Affecting  Public  Transit’s  Effectiveness:  A  Review  and  Proposed  Actions. ashington, DC: American Public Transportation Association, 2004. 

Hendrickson,  Chris.  “A  Note  on  Trends  in  Transit  Commuting  in  the  United  States  Relating  to mployment in the Central Business District.” Transportation Research Part A 20, no. 1 (1986): 33‐37. 

, Daniel B. and Peter A. Lombardi. Policy Support for and Barriers to Transit‐Oriented Development in the Inner City ‐ Literature Review. Transportation Research Record: Journal of the Transportation esearch Board, No. 1887, TRB, National Research Council, Washington, D.C., 2004, pp. 26–33. 

stitute of Urban and Regional Development, Parsons Brinckerhoff Quade and Douglas,  Inc., Bay Area Economics, and Urban  land  Institute. Transit‐Oriented Development  in  the United States: Experiences, 

 Council, 2004. 

g Education and Research 2008. 

 

2

 

W

 

E

 

Hess

R

 

In

Challenges, and Prospects.   Transit Cooperative Research Program Report 102, Chapter 8. Washington, DC: Transportation Research Board, National Research

 

Jones, David. Mass Motorization + Mass Transit: An American History and Policy Analysis. Bloomington & Indianapolis: Indiana University Press, 2008. 

 

Jones, David. Urban Transit Policy: An Economic and Political History. Englewood Cliffs, NJ: Prentice‐Hall, 1985. 

 

Jun, Myung‐Jin. Are Portland's Smart Growth Policies Related to Reduce Automobile Dependence? Journal of Plannin

 

Kain,  John.  “Cost‐Effective  Alternatives  to  Atlanta’s  Rail  Rapid  Transit  System.”  Journal  of  Transport Economics and Policy (January 1997): 25‐49. 

62 

 

  and San Diego Transit Providers.” Transportation Research Part A 33, nos. 7/8 (1999): 601‐

624. 

 

The Effects of Light Rail Plans on Land Values in Station Areas (2001). Journal of Planning Education and Research 21:32‐39. 

 

an Transportation Research Forum Conference, 2000. 

 

sign. Research 

Board, National Research Council, 2003. 

 

 

Liu, Zhi. Determinants of Public Transit Ridership: Analysis of Post‐World War II Trends and Evaluation of 

 

Long,  J. Scott and  Jeremy Freese. Regression Models  for Categorical Dependent Variables Using Stata. 

ation w  Rail  Line  in  the  Los  Angeles  Region.  Mineta 

Transportation Institute, San Jose State University, 2005. 

 

Kain, John F. and Zhi Liu. “Secrets of Success: Assessing the Large Increases in Transit Ridership Achievedby Houston

Knaap, Gerrit J., Ding, Chengri & Lewis D. Hopkins. Do Plans Matter? 

Kohn,  Harold  M.  “Factors  Affecting  Urban  Transit  Ridership.”  Paper  presented  at  the  Canadi

Kuzmyak,  J. Richard, Richard Pratt, G. Bruce Douglas, and Frank Spielberg.  Land Use and  Site DeTransit Cooperative Research Program Report 95, Chapter 15. Washington, DC: Transportation 

Kyte, Michael. Measuring Change in Public Transportation Usage: an Analysis of the Factors Influencing Transit. University Microfilms International, 1986. 

Alternative Networks. Cambridge, MA: Harvard University, 1993. 

College Station, Texas: A Stata Press Publication, 2006. Chapter 8, Models for Count Outcomes, pp. 349‐414. 

 

Lund,  Hollie  and  Richard  W.  Willson.  The  Pasadena  Gold  Line:  Development  Strategies,  LocDecisions,  and  Travel  Characteristics  along  a  Ne

63 

 

cLeod, Malcolm, Kevin Flannelly, Laura Flannelly, and Robert Behnke. “Multivariate Time‐Series Model of Transit Ridership Based on Historical, Aggregate Data: The Past, Present, and Future of Honolulu.” 

anheim,  Marvin  L..  Fundamentals  of  Transportation  Systems  Analysis,  Vol.  1,  Basic  Concepts. Cambridge, MA: The MIT Press, 1979.  

Meyer, John and Jose Gomez‐Ibanez. Autos, Transit, and Cities. Cambridge, MA: Harvard University ress, 1981. 

 

e  Urban  Transportation  Problem.  Cambridge,  MA: Harvard University Press, 1965. 

 

nnual Meeting of the Transportation Research Board, 2006. 

ento,  CA:  California  Department  of Transportation, 2002. 

 

am  Report  10,  Chapters  1  and  2.  Washington,  DC:  Transportation  Research  Board,  National Research Council, 1996. 

 

Post, Robert C. Urban Mass Transit: The Life Story of a Technology. Westport, Connecticut, 2007. 

M

Transportation Research Record 1297 (1991): 76‐84. 

 

M

 

P

 Meyer,  John,  John  F.  Kain,  and Martin Wohl.  Th

Mieger, David and Chaushie Chu. “The Los Angles Metro Green Line: Why Are People Riding the Line to Nowhere?” Paper presented at the 86th A

 

Mierzejewski,  Edward  and William Ball.  1990.  “New  Findings  on  Factors Related  to  Transit Use.”  ITE Journal (February 1990): 34‐39. 

 

Parker,  Terry, Mike  McKeever,  G.B.  Arrington,  and  Janet  Smith‐Heimer.  Statewide  Transit‐Oriented Development  Study:  Factors  for  Success  in  California.  Sacram

Parsons  Brinckerhoff  Quade  &  Douglas,  Inc.  Transit  and  Urban  Form.  Transit  Cooperative  Research Progr

Pisarski, Alan. Commuting in America II.  Washington, D.C.: Eno Foundation, 1996.   

 

64 

 

 

Pucher, John. “Renaissance for Public Transport in the United States?” Transportation Quarterly 56, no. 

 

TS.”   n Quarterly 57, no. 3 (2003): 49‐78. 

re. The Urban Transport Crisis in Europe and North America. London: MacMillan Press Ltd., 1996.  

 

na University Press, 1977. 

 

iel Brown. “Comparing Transit Oriented Developments Based on Walkability Indicators”. Transportation Research Record 1887 (2004): 34‐42. 

 

ent of Urban and Regional Planning, Florida State University, 2007. 

ternational Regional cience Review 28, 2: 239–265 (April 2005). 

Pratt, Richard and John Evans. Bus Routing and Coverage. Transit Cooperative Research Program Report 95, Chapter 10. Washington, DC: Transportation Research Board, National Research Council, 2004. 

1 (2002):  33‐49. 

Pucher,  John  and  John  Renne.    “Socioeconomics  of  Urban  Travel:    Evidence  from  the  2001  NHTransportatio

 

Pucher, John and Christian Lefev

Pushkarev,  B.  and  J.  Zupan.  Public  Transportation  and  Land  Use  Policy.  Bloomington,  IN:  India

Schlossberg, Marc A and Nathan

Skinner, Jon. Elderly and Youth Bus Ridership: A Comparison of Routes  in Miami‐Dade County. Master’s degree paper, Departm

 

Song, Yan and Gerrit‐Jan Knaap. Measuring the Effects of Mixed Land Uses on Housing Values. Regional Science and Urban Economics 34 (2004): 663‐680. 

 

Song, Yan. Smart Growth and Urban Development Pattern: A Comparative Study. InS

 

65 

 

f  the Institute of Transportation Engineers, 1998. 

 

r of Broward County Transit.  Interview conducted by phone with Mr. Stoleson  in his office in Broward County by Greg Thompson and Jeff Brown in Tallahassee, 13 June 2008. 

 

 California’s Transportation Development Act.” Transportation Research Record 1297 (1991): 85‐92. 

ost Successful Transit Systems in the 1990s. San Jose, CA: Mineta Transportation Institute, 2002. 

‐Stage  Least  Squares  Regression  in  a  National  Sample  of  Urbanized  Areas.” Presented at the 2004 Annual Meeting of the Transportation Research Board, 2003. 

 

re Transit Use  is Growing: Surprising Results.” Journal of Public Transportation  9, no. 2 (2006): 25‐43. 

 

Metropolitan Areas Between 1990 and 2000: A Multivariate Analysis.” Transportation Research Record 1986  (2006): 72‐181. 

 with the Joneses:  Planning for Transit in Decentralizing Regions.” Journal of the American Planning Association  69, no. 3 (2003): 296‐312. 

 

Thompson, Gregory L.. “Identifying Gainers and Losers from Transit Service Change: A Method Applied to Sacramento.” Journal of Planning Education and Research 17 (Winter,1998): 125‐136. 

Spillar, Robert and G. Scott Rutherford. “The Effects of Population Density and  Income on Per Capita Transit  Ridership  in Western  American  Cities.”  Paper  presented  at  the  60th  Annual Meeting  o

Stoleson, Spence

Taylor, Brian D. “Unjust Equity: An Examination of

 

Taylor, Brian, Peter Haas, Brent Boyd, Daniel Hess, Hiroyuki Iseki, and Alison Yoh. Increasing Transit Ridership: Lessons from the M

 

Taylor, Brian D., Douglas Miller, Hiroyuki Iseki, and Camille Fink. “Analyzing the Determinants of Transit Ridership  Using  a  Two

Thompson, Gregory, Jeffrey Brown, Rupa Sharma, and Samuel Scheib. “Whe

Thompson, Gregory and  Jeffrey Brown. “Explaining Variation  in Transit Ridership  in U.S. 

1

Thompson, Gregory L. and T. G. Matoff.  “Keeping Up

 

TRL Limited. The Demand for Public Transport: A Practical Guide. TRL Report TRL 593, 2004. 

66 

 

d Tom Crikelair Associates. Elements Needed to Create High Ridership  Transit  Systems.  Transit  Cooperative  Research  Program  Report  111.  Washington,  DC: ransportation Research Board, National Research Council, 2007. 

Urbitran  Associates,  Inc.,  Cambridge  Systematics,  Inc.,  Kittelson  and  Associates,  Inc.,  Pittman  and ssociates, Inc. and Center for Urban Transportation Research. Guidebook for Evaluating, Selecting, and 

Implementing  Suburban  Transit  Services.  Transit  Cooperative  Research  Program  Report  116. 

 

 

TranSystems, Inc., Planners Collaborative, an

T

 

A

Washington, DC: Transportation Research Board, National Research Council, 2006. 

 

Vuchic, Vukan. Urban Transit: Operations, Planning, and Economics. Hoboken, NJ: John Wiley and Sons,2005. 

67 

 

ANNOTATED BIBLIOGRAPHY 

 This study focuses on a host of land use strategies that can integrate with transit planning. The authors favor integration of land use and transit planning, although it may require changes 

ategies, and transportation management associations. They include designing policies, working with the investment community, urban design considerations, ordinances and regulations, comprehensive planning, developer‐furnished improvements, adequate public facilities, etc. 

an increase in transit ridership.   Bae, Christine, Chang‐Hee. Orenco Station, Portland, Oregon: A Successful Transit Oriented Development Experiment? Transportation Quarterly, Vol. 56, No. 3, Summer 2002 (9‐18).  

The authors undertake a review of existing literature on transit‐oriented development and use Orenco Station in Portland as a study site against which to apply the literature’s principles of successful TOD. Orenco Station is different from many TODs in that much of the development is some distance away from the rail station (very little is within a quarter mile), an artifact of the preexisting land ownership situation.   Based on their literature review, the authors assert that successful TODs have certain key requirements: the need for supportive land policies around rail (or bus) stations and terminals; the promotion of high density residential development near stations; some commercial and mixed‐use development; and pedestrian design elements.    Established in an area of market gardens, the authors note that Orenco Station had few amenities to claim as a locational advantage. Pacific Trust decided that access to the MAX station was its key amenity. However, for most residents it remains an "option demand;" it is there if we need it, we may use it, but we probably never will. The real attraction of access to MAX from Orenco Station may not be as a commuting mode, but rather for an evening visit to downtown Portland for a concert or dinner. 

  Beimborn, Edward. Guidelines for Transit Sensitive Suburban Land Use Design. Washington, D.C.: U.S. Department of Transportation, 1991.  

Transit ridership keeps declining, partly due to its failure to capture riders in the suburbs. The dispersed land use pattern that exists there is the major reason responsible for the transit failure in suburbia. This guidebook introduces elements of successful transit and criteria for transit‐sensitive suburban land use design. It presents a list of transit‐oriented and transit‐

 

American Public Transit Association. Building Better Communities. Washington, D.C.: American Public Transit Association, 1987. 

to local ordinances, regulations, building codes and procedures. They suggest many land use strategies that allow public agencies and developers to integrate the impact of mass transit investments and private sector financial participation. They also explain efficient strategies for developers like subdivision and activity design strategies, travel demand str

Finally, they conclude that if the land use planning is transit supportive then it can bring about 

68 

 

compatible land uses t d which should be located elsewhere. It presents guid es and transit policies under two major frameworks: system planning and district planning. It further outlines administrative 

transit‐oriented development in an emerging suburban area in the City of Milwaukee.  

 Bernick,1997.  

 

 en 

efits is the mode shift from solo auto use to transit and non‐dge that recent rail transit ridership forecasts have been 

very inaccurate, but they argue that the numbers might materialize if auto use was priced at its dy 

rk, including the same detailed case studies, can also be found in Cervero’s The Transit Metropolis 

 

  Brown, ip in the U ersity, 2007.  

  

  The authors collected data from the US Bureau of Economic Analysis, US Bureau of Labor Statistics, US Census Bureau, and National Transit Database. They obtained the following 

 per capita (aggregated for all agencies in the MSA) 

o be included in an area served by transit anelines for land use policies, access polici

and policy guidelines for transit agencies and local government. It also presents implementation methods as well as a case study wherein the guidelines were applied to develop a successful 

 

 Michael and Robert Cervero. Transit Villages in the 21st century. New York: McGraw‐Hill, 

The focus of the book is the emergence of transit villages (i.e. transit‐oriented development) asa reaction to declining quality of life. The authors see the transit village concept as a way of achieving a host of social benefits, ranging from air quality to quality of life. The authors openthe book with a discussion of the historic influences on contemporary transit villages. They thmake their case for the numerous benefits of a transit village approach to urban development. The primary source of many bensolo auto modes. The authors acknowle

full social cost. They then summarize a host of earlier empirical and qualitative case sturesearch, including their own work, on transit oriented development. Much of the wo

published a year later. The lessons are similar to Cervero’s other work on the subject—namely that transit‐oriented developments can lead to increased transit ridership and also promote awide array of societal benefits. 

ffrey  Je and Dristi Neog. “Reexamining the Link Between Urban Structure and Transit Ridershnited States.” Tallahassee, FL: Florida Planning and Development Lab, Florida State Univ

Controlling for urban area density, unemployment rate, motor fuel prices, transit service frequency, transit service coverage, and the percent of households that do not own an automobile, this study examines the relationship between urban structure (defined as percentof MSA employment in the CBD) and two measures of transit patronage (passenger kilometersper capita, transit journey‐to‐work mode share) in 1990 and 2000 for all US metropolitan statistical areas (MSAs) with more than 500,000 persons. 

variables:  PKM_PC = Passenger kilometers JTW_MS = Transit journey‐to‐work mode share (aggregated for all counties in the MSA)  CBDEMPSHARE = percent of MSA employment in the CBD  

69 

 

COVERAGE = Service coverage, defined as the ratio of route kilometers to population (aggregated for all agencies in the MSA) 

CARLESS_HH = Percent of MSA households that do not own an automobile (aggregated for all counties in the MSA) 

ith 1 d the 

BDEMPSHARE) + LN (FARE_KM) + LN (FREQUENCY) + LN (COVERAGE) + LN (CARLESS_HH) + LN (UNEMPLOY) + LN (FUEL) + LN (UZADENS_KM)  

two service variables (service frequency and service coverage) and transit ridership. Both of these variables are at least partially under the control of transit agency managers. The other 

r s  

 

Brown,  Gregory L. Thompson. “The Relationship Between Transit Ridership and Urban Decent ization: Insights from Atlanta.” Urban Studies 45 (5&6): 1119‐1139, 2008. Cited as 2008a. 

ontrolling for passenger fare, service levels, and the proportion of transit service provided by ion of 

opulation and employment in Atlanta from 1978 to 2003. 

FARE_KM = Fare revenue per passenger kilometer (inflation‐adjusted to 2005 dollars, aggregated for all agencies in the MSA)  FREQUENCY = Service frequency, defined as the ratio of vehicle kilometers to route kilometers (aggregated for all agencies in the MSA)  

 

 UNEMPLOY = Unemployment rate (by MSA)  FUEL = Motor fuel price index (by MSA)  UZADENS_KM = Urbanized area density, defined as persons per square kilometer   The authors used these variables to estimate multivariate models for each of the two transit ridership variables for 1990 and 2000 for three different groups of MSAs: all MSAs, MSAs wmillion to 5 million persons, and MSAs with 500,000 to 1 million persons. The authors usenatural log transformations of the variables in order to interpret the coefficients as elasticities. To illustrate, the model for passenger miles per capita read as follows:  LN (PKM_PC) = Constant + LN (C

  The authors find no statistically significant links between the percent of MSA employment in the CBD and transit ridership. The authors find the strongest links between the 

consistently significant variable is the percent of MSA households that do not own an automobile. This is an external factor beyond the control of agency managers. The otheexternal factor variables reveal inconsistent relationships across the dependent variables, acrostime, and across the MSA groups. All the authors’ models had high R squared values and large Fstatistics.  

 Jeffrey andral Crail, this study examines the relationship between transit ridership and the decentralizatp

70 

 

 of Labor tan Atlanta Rapid Transit Authority, and National 

ransit Database. The following are the key variables: 

KM = annual vehicle kilometers of service  

‐adjusted 2005 dollars) UEL = an index of motor fuel prices  

employment outside MARTA service area to employment inside MARTA ervice area (including CBD) 

RTA service area to population inside MARTA ervice area (including CBD) 

1996 as the year of the Atlanta Olympics he authors used these variables to estimate the following time‐series model: 

  The authors collected data from the Atlanta Regional Commission, U.S. BureauStatistics, U.S. Census Bureau, MetropoliT LPT = annual linked passenger trips VPCTRAIL = percent of vehicle kilometers that are railcar miles FARE = average fare per linked trip (in inflationFEMPMARTA = the level of non‐CBD employment within the MARTA service area RATIO_EMP = ratio of sRATIO_POP = ratio of population outside MAsOLYMPICS = a dummy variable denoting T

{ }.*8exp*__

*__

7

1

6

1

111111

tt

t

t

t

tttttt

OLYMPICSPOPRATIOPOPRATIO

EMPRATIOEMPRATIO

EMPMARTAFUELFARESPCTRAILVKMLPT

βββ

⎥⎦

⎤⎢⎣

⎡⎥⎦

⎤⎢⎣

⎡

⎦⎣⎦⎣⎦⎣⎦⎣⎦⎣

−−

−−−−−−

*****5

tttttt ARTAβ

⎥⎤

⎢⎥⎢⎥⎢⎥⎢⎥⎢= 

 d 

gency ervice area. transit 

d  

 

Brown,  Gregory L. Thompson. “Examining the Influence of Multidestination Service  on Transit Service Productivity: A Multivariate Analysis.” Transportation 35 (2): 237‐252, 

008 cited as 2008b. 

‐

on is both ineffective and inefficient because it attracts few riders and requires large per‐rider subsidies. This research 

4321EMPMFUELFARESPCTRAILVKMLPT

ββββ⎡⎤⎡⎤⎡⎤⎡⎤⎡

  The authors found that transit ridership is strongly and positively linked to the strengthof employment inside the transit agency service area (outside the CBD) and is strongly annegatively linked to the strength of employment of employment beyond the transit as  The authors report no association between the strength of the CBD and ridership in Atlanta. The authors note that transit ridership is more strongly linked to the decentralization of employment than to the decentralization of employment. Finally, the authors observe that fare levels and the absolute amount of transit service are also associatewith transit ridership. The authors rely on their analysis and anecdotal evidence gleaned frominterviews with local planners to infer that MARTA is successfully linking transit patrons todispersed employment locations.    Jeffrey and

Orientation2

 Between 1990 and 2000, U.S. transit agencies added service and increased ridership, but the ridership increase failed to keep pace with the service increase. The result was a decline in service effectiveness (or productivity). This marks the continuation of a long‐running and oftenstudied trend. The scholarly literature attributes this phenomenon, at least in part, to transit agency decisions to decentralize their service rather than focus on serving the traditional CBD market. Many scholars argue that a decentralized service orientati

71 

 

sts whe find 

nation service orientation did not xperience lower productivity. These results indicate that policies that have encouraged the 

ces have not necessarily been detrimental to the industry. 

Brown, isions on Rail Transit Success ortation Institute, 2009, cited as 2009a.  

ven U. S. metropolitan regions that either adoped rail transit e 

nver, Miami, Minneapolis‐St. Paul, Pittsburgh, Portland,  the 

network and transit performance. The method was case studies involving interviews with one to two persons with long‐term knowledge of the evolution of each system, set against study of planning documents and compilation of service and performance statistics going as far back into the period as possible. The study found a wide range in the way rail transit was incorporated into regional transit service strategies. It also found a side range in transit performance.  The study found that region’s who used radial strategies to focus on preservation of the region’s CBD generally failed. Such systems were not networks but 

  rs 

 Brown, effrey  and Gregory .L. Thompson., “Express Bus versus Rail Transit: How the Marriage of Mode 

te ether a non‐traditional, decentralized service orientation, called multidestination service, results in reduced service productivity. Contrary to what the literature suggests, wthat MSAs whose transit agencies pursued a multidestiegrowth of decentralized transit servi   Jeffrey and Gregory L. Thompson. The Influence of Service Planning Dec or Failure. San Jose, CA: Mineta Transp

This study examines the evolution of regional transit service and performance between roughly 1975 and 2005 in eleduring that period or began the period with rail transit. The eleven metropolitan areas arAtlanta, Dallas‐Ft. Worth, DeSacramento, Salt Lake City, San Diego, and San Jose. The objective was to investigaterelationship between how rail transit was used in the overall regional transit 

collection of routes connecfting suburbs with CBDs. Rail lines in such systems were just viewed as another route. The most successful systems were designed to serve many important destinations in their respective metropolitan areas. Rail systems typically servedthe CBD, but bus routes in the rail corridors were refocused from serving the CBD to servingsuburban rail stations and suburban destinations, instead. Rather than forcing bus passengeonto trains, such systems, reducing patronage, such systems opened up new travel opportunities. The overall result was expanded transit patronage per capita and productivity at the top of the systems studied. Most systems studied fell between these extremes. 

    J

and Mission Affects Transit Performance.” Transportation Research Record 2110:   d as 

 on the relative roles that express buses and rail transit play in regional 

 

 ak 

il 

45‐54, 2009, cite2009b. 

 his paper focusesTtransit development and performance between about 1984 and 2006 in four metropolitan statistical areas that make use of both modes. The regions examined are Atlanta, San Diego,Minneapolis‐St. Paul and Pittsburgh. The paper contrasts different missions that different urban areas call upon their transit systems to play, and it shows how express buses and rail transit can fit into those missions. Express buses fit in best to those regional systems that areconceived of as providing excellent service from suburban neighborhoods to CBDs during peperiods; rail transit fits in best with those systems conceptualized as providing multi‐destination service throughout the day. The paper then examines relative performance of ra

72 

 

n 

ll four 

ulti‐destination cases rail carries between 30 and 50 percent of transit passenger miles and  up to ten fold more productive that express buses in terms of passenger miles carried for 

 CalifornTraditio

  

tions 

 ease 

ions n‐riders 

 This ified 

 

 Cambri  ResearcResearc

 rawing on interviews with 40 transit agency managers, the authors make observations about e factors that contributed to transit ridership increases between 1991 and 1993. The authors 

 telephone) to elicit their comments about the factors they believed accounted for the ridership creases experienced by their agencies.  

h 

transit and express buses in San Diego and Atlanta, which exemplify the multi‐destinatiomission in at least part of their respective regions, and Minneaplis‐St.Paul and Pittsburgh, which exemplify the radial‐CBD mission in at least part of their regions. It finds that in acases rail provides a relatively small percentage of regional service but accounts for larger proportions of passengers carried, whereas the obverse is true for express buses. In the two miseach service hour provided. Rail is far more productive than express buses in the radial context, as well. 

ia Department of Transportation. An Analysis of Public Transportation to Attract Non‐nal Riders in California. Sacramento, CA: California Department of Transportation, 2003.  The study sought to determine customer expectations and needs regarding transit and todevelop strategies to increase transit ridership. The authors used a combination of literaturereview, a survey of 3,302 California residents, and focus groups to identify expectations and needs. The authors then used geographic information systems (GIS) analysis to identify locain the state with the best potential to attract riders.   The authors note that external factors (land use patterns, parking availability, and agingpopulation) are significant influences on transit ridership and can hinder efforts to incrridership. The authors observed that both riders and non‐riders have similar high expectatabout service reliability, convenience, comfort, and safety. They also observed that noare not very likely to commit to using transit even when these high expectations are met.poses real challenges for agencies seeking to attract more choice riders. The authors identthe state’s four largest metropolitan areas as the regions with the highest potential to attractnew riders.  

dge Systematic, Inc. Transit Ridership Initiative. Transit Cooperative Research Programh Results Digest Number 4. Washington, DC: Transportation Research Board, National h Council, 1995. 

Dthcollected and analyzed data on ridership from American Public Transit Association reports to identify candidate systems. The authors then interviewed senior staff at the transit agencies (via

in  Based on their analyses and interviews, the authors assert that external factors, whicare those beyond the control of agency managers, typically have a larger effect on ridership than internal factors, which are those within the control of agency managers. The authors identify population changes, regional economic conditions, and development trends as key external factors that affect transit ridership. The authors identify fare policies, service adjustments, and marketing efforts as key internal factors that affect transit ridership. The authors concede that these findings are based on agency staff perceptions of the influences on transit ridership as opposed any statistical analysis of these candidate factors.  

73 

 

Cambri sit CooperResearc

cused ip experiences from 1994 through 1996. The authors followed the same 

ethodology as in the earlier study to identify additional candidate agencies and interviewed the 

rocess as important determinants of transit ridership.  

Cambri  ProgramNationa

 

 ted telephone interviews with staff at 28 of the 31 systems. 

The authors found that the most significant ridership increases were the result of a combination of factors or initiatives. The key initiatives fell into five categories: service 

  of the 

xperienced the highest ridership growth improved their ability to serve more ders with greater efficiency. 

Canepa,Limits. Transpo

his ana 

y rly 

on 

 paper begins by xamining the basis of the half‐mile radius and then considering which traits (including 

 dge Systematics, Inc. Continuing Examination of Successful Transit Ridership Initiatives. Tranative Research Program Research Results Digest Number 29. Washington, DC: Transportation h Board, National Research Council, 1998.  This study is a follow‐up to the 1995 “Transit Ridership Initiative” study. The authors conducted follow‐up interviews with staff at agencies contacted for the earlier study and added a set of additional agencies for a total of more than 50 transit system managers. The interviews foon agency ridershmthe same agencies they had contacted for the prior study.   The authors found that factors identified in the earlier study continued to be commonly cited during the interview p  dge Systematics, Inc. Evaluation of Recent Ridership Increases. Transit Cooperative Research Research Results Digest Number 69. Washington, DC: Transportation Research Board, l Research Council, 2005.  This study is the third and final report in a series of studies that identify the key factors and initiatives that led to ridership increases at a set of transit agencies. This report focuses on ridership increases from 2000 to 2002 at 28 agencies. The authors used the American Public Transportation Association’s Quarterly Transit Ridership Reports to identify 31 systems with thelargest reported ridership increases, including 15 systems that experienced ridership increases from 1994 to 1996 and continued to enjoy ridership increases from 2000 to 2002. The authorsthen conduc 

adjustments, fare and pricing adaptations, marketing and information initiatives, and newefforts in service coordination, collaboration, and partnering. The authors note that most18 systems that eri   Brian. Bursting the Bubble ‐ Determining the Transit‐Oriented Development’s Walkable Transportation Research Record: Journal of the Transportation Research Board, No. 1992, rtation Research Board of the National Academies, Washington, D.C., 2007, pp. 28–34.  T lysis seeks to examine whether the established half‐mile TOD radius is accurate. The walkable radius of a TOD is critical not only for its potential to affect sprawl and other negativeexternalities but also because of the large amount of land value at stake.   This paper demonstrates that by expanding the TOD radius by 66% and subsequentlallowing for greater density within that space, the amount of available land can be neatripled. This expansion could have significant impacts on investment; an area such as ArlingtCounty, Virginia, could see its Metro corridor office space increase from 18.3 million ft2 to roughly 50 million ft2 and residential units increase from 22,500 to 62,500. Thise

74 

 

ontrollable urban factors such as density and form) contribute to its potential size, along with 

urban growth. Evidence from Australia and the United States demonstrates that pedestrians are 

ell‐

 the  transit sites, some planners have 

egun to find that the traditional stance of viewing developments as independent units may omplicate the radius dilemma and that a regional context must be established to comprehend 

Center  r Transit‐Oriented Development (Jeffrey Wood, Mariia Zimmerman, and Shelley Poticha, principaWashin

 thors note that 

t.  where 

 be 

investments.  The report thus overlooks high ridership light rail nes, such as the Blue Line in Los Angeles (the highest light rail patronage in the U.S.) and the lue Line in San Diego, both of which use cheap rights of way, but allowing their patrons to 

Cervero Robert. Ridership Impacts of Transit‐Focused Development in California. Working Paper No. 176, Ch 

e transit ridership 

the 

ctheir relative significance. From this information, one can determine why the half‐mile boundary fluctuates in size, the implications for local and regional TOD planning, and the impact the half‐mile boundary may have on transit use and  prepared to travel more than 0.5 mi if an accommodating atmosphere prevails. Although variables such as density and design have been determined to play a role in the success of transit developments, researchers have found, “It is difficult to untangle the effects of land use mix and urban design from the effects of density”. This difficulty arises primarily because wconnected urban areas also tend to be of higher densities and more suitable to pedestrians. Efforts have been made to sort out findings between the variables, with some success, but questions still remain as to whether mode choice is an effective way to gauge the impact ofgiven variables. Despite the uncertainty of factors withinbcthe impacts of communities on one another.   fol authors). Destinations Matter‐‐‐Building Transit Success, Report FTA CA‐26‐1007. gton, D.C.: Federal Transit Administration, U.S. Department of Transportation, May 2009.  The Center for Transit‐Oriented Development is a division of Reconnecting America, an organization dedicated to the development of alternative forms of transportation. This study examines factors affecting rail transit patronage for systems throughout the U.S. and concludesthat the dominant variable are the number of jobs served. The report’s ausuccessful systems serve large numbers of jobs in the suburbs; less successful systems do noThe authors conclude that new rail lines need to be constructed where the jobs are; notrights of way are cheap. The authors do not examine how rail systems and bus systems mayintegrated, so that rail line passengers may reach suburban jobs not immediately near rail stations. They dismiss such concerns by stating (erroneously) that bus lines typically are not shifted to make use of rail line liBaccess suburban jobs some distance from rail stations through bus connections.    , apter 2. Berkeley, CA: University of California Transportation Center, 1993. 

The author provides a literature review of several studies that examine thcharacteristics of residential and commercial projects located near rail transit stations. The literature employs surveys of residents and workers in the San Francisco and Washington metropolitan areas.   A 1991 San Francisco Bay Area study reported no relationship between distance to transit station and transit mode split for housing located within 1/3 mile of the station. A 1989 

75 

 

 

idential site from a rail transit tation. an 

e rail 

Cervero(1994):

rket share. The implications of decentralization on e ridership, operating performance, and fiscal health of the nation's largest transit operators re examined. On the basis of the results of a national survey, a number of service strategies 

nsit high‐

eighborhood designs and transit‐based housing, are also examined. A discussion of various eted 

Cervero

k  

The book is a series of case studies. The author classifies the cities into four categories: ) adaptive cities (cities using rail transit to guide urban growth, which include: Stockholm—rail‐

ng); 2) hybrid cities (cities that are tailoring transit to serve their urban forms and adapting urban form using transit: 

ay; rate 

it using transit to encourage centralized urban pattern); and 4) adaptive 

ansit (it 

San Francisco Bay Area study found that 35 to 40 percent of residents living near three Bay AreaRapid Transit District (BART) stations used public transit.    A 1987 Washington, DC study found that rail and bus transit mode share declines by 0.65 percent for every 100‐foot increase in distance of a ress  The same 1987 study found that ridership was higher at downtown than at suburbwork sites and that ridership declined steadily as distance to the station increased. All thesstudies essentially examined the correlation between transit mode share and distance to a station. They did not control for other factors that might influence an individual’s decision to rider transit (fare, service quality, auto access and cost, etc).   , Robert. 1994. “Making Transit Work in the Suburbs.” Transportation Research Record 1451  3‐11.   Rapid decentralization of population and employment over the past several decades has chipped away at the U.S. transit industry's mathathat offer hope for reversing transit's decline are explored, including timed transfers, paratraservices, reverse commute and specialized runs, employer‐sponsored van pools, and occupancy‐vehicle and dedicated busway facilities. Land use options, like traditional ninstitutional, pricing and organizational considerations when implementing suburban‐targservice reforms and land use initiatives is also provided. Century‐old models involving joint public‐private development of communities and transit facilities, it is argued, also deserve reconsideration.   , Robert. The Transit Metropolis: A Global Inquiry. Washington, D.C.: Island Press, 1998.  The author observes that there is a global decline in transit use due to competition with the automobile and continued decentralization of urban areas. However, he notes a dozen metropolitan areas (transit metropolises) that seem to be doing well. The objective of the boois to determine why these cities’ transit systems are so successful. His hypothesis is that theyhave matched their transit services with their land use patterns.  1served satellite cities; Copenhagen—suburban communities along radial rail lines; Tokyo—new towns served by rail transit; Singapore—strong land use and transport planni

Munich—leveraging existing pro‐transit development patterns; Ottawa—strong use of buswCuritiba—linear city oriented around bus rapid transit); 3) strong core cities (cities that integtransit with strong centralized development patterns: Zurich—auto restraint plus pro‐transpolicies; Melbourne—tr cities that adapt transit to serve decentralized urban form: Karlsruhe, Germany—use of adaptive light rail transit; Adelaide, Australia—use of bus ways; Mexico City—hierarchy of trans

76 

 

d  

s;  

 n automobile ownership and use; 

2) they have integrated transit services; 13) they have flexible transit services—give a strong le for buses; 14) they embrace innovation in service delivery; and 15) they take advantage of 

 sees as following in the footsteps of the transit metropolises: Portland, Oregon; ancouver, British Columbia; San Diego, California; St. Louis, Missouri; and Houston, Texas. 

CerveroTranspo

 car.  to walk‐

veal 

ggregate‐level analysis of access trips to Washington Metrorail services by sidents of Montgomery County, Maryland, shows that urban design, and particularly sidewalk rovisions and street dimensions, significantly influence whether someone reaches a rail stop by 

onversion of park‐and‐ride lots to transit‐oriented developments holds considerable promise 

CerveroTranspo

 

 

services). The author then gathers quantitative and qualitative data to paint a portrait of the city and its use of transit. All the cases are success stories.   The author offers fifteen lessons: 1) transit metropolises evolve from a well‐articulatevision of the future; 2)transit metropolises need inspired leadership; 3) they need efficientinstitutional structures (especially at regional level); 4) they need pro‐active planning processe5) they need to maintain strong, viable CBDs; 6) they need balanced traffic flows; 7) the transitagencies need to have an ethos of competition to provide efficient, low‐cost service; 8) they need to give transit priority over the automobile; 9) they take incremental steps; 10) they havepeople‐friendly urban design; 11) they have policies to restrai1roserendipitous developments. The author closes by briefly discussing five North American cities that heV  , Robert. “Walk‐and‐Ride: Factors Influencing Pedestrian Access to Transit.” Journal of Public rtation 3, no. 4 (2000): 1‐23.  The predominant means of reaching suburban rail stations in the United States is by privateTransit villages strive, among other things, to convert larger shares of rail access tripsand‐ride, bike‐and‐ride, and bus‐and‐ride. Empirical evidence on how built environments influence walk‐access to rail transit remains sketchy. In this article, analyses are carried out at two resolutions to address this question. Aggregate data from the San Francisco Bay Area recompact, mixed‐use settings with minimal obstructions are conducive to walk‐and‐ride rail patronage. A disarepfoot or not. Elasticities are presented that summarize findings. The article concludes that cfor promoting walk‐and‐ride transit usage in years to come.    , Robert. “Built Environment and Mode Choice: Toward a Normative Framework.” rtation Research Part D 7, no. 4 (2002): 262‐284.  The author examines the effect of built environment variables measuring density, diversity, and design, as well as generalized modal cost and socioeconomic variables, on individual mode choice in Montgomery County, Maryland. The author obtains trip data from the 1994 Household Travel Survey compiled for the Metropolitan Washington Council of Government and both travel time and land use data from databases compiled for use in area travel forecasting models.The author then estimates probabilistic models for a trip being made by each of three modes of transportation (solo auto, group‐ride auto, and transit) as a function of a vector of land use variables and utility functions associated with making a trip from point A to point B using thatmode of travel. 

77 

 

te that design variables have more odest

CerveroTranspo

 

 author 

ng re all key factors influencing the mode choice decision. The author advises policymakers to romote the use of feeder buses, employer‐based transit subsidies, and flexible parking policies 

CerveroPublic P

style 

 street lighting. Finally, he stimated a pair of nested logit models for location choice and mode choice as a function of an rray of location, transportation, household, neighborhood, and individual attributes. 

r‐based ctivity are among the key factors that 

fluence residents’ decision to ride transit. The author calls for an array of regulatory (zoning) 

CerveroCA: Uni

m to adapt to the changing population and employment patterns of their metropolitan areas. The authors emphasize the use of seamless services that avoid transferring. They distinguish between three types of adaptive services: technological innovations, bus‐based 

  The author finds that land use density and diversity have moderate, inelastic (in the .2 to .6 range) effects on transit ridership. The authors nom , yet measurable, effects on transit use.   , Robert. “Office Development, Rail Transit, and Commuting Choices.” Journal of Public rtation 9, no. 5 (2006): 41‐55. Cited as 2006a.  The article examines commuting behavior in workplace environments served by rail transit. The author compiles information from a number of his empirical studies that explored differences intransit mode share in different kinds of work place environments.    The author finds that people working in office buildings near rail transit are three timesmore likely to use transit than those working further away from rail transit stations. The argues that the presence of feeder bus services, employer transit subsidies, and scarce parkiapin these near‐station work environments.   , Robert. “Transit‐Oriented Development’s Ridership Bonus: A Product of Self‐Selection and olicies.” Forthcoming in Environment and Planning A (2006). Cited as 2006b.  The author examines what he terms the “ridership bonus” among people living near California rail stations in California by comparing their behavior to people who live beyond comfortable walking distance of the stations.  The author used a database on travel behavior and other attributes of 1000 people living in 26 housing projects within ½ mile of urban rail stations in California. He estimated binomial logit models for predicting transit mode choice for residents’ commute trips as a function of travel times, regional accessibility, workplace job and parking policies, neighborhood design, auto ownership levels, and a variable measuring transit lifepreference. He also estimated a binomial logit model predicting non‐motorized access to rail stations as a function of income, ownership, and the density ofea  The author finds that residential self‐selection (lifestyle preference), employeparking policies, and destination‐area street conneinand market‐based strategies to take advantage of these findings and promote more “transit‐based” housing.   , Robert and John Beutler. Adaptive Transit: Enhancing Suburban Transit Services. Berkeley, versity of California Transportation Center, 1993.  The authors set out to identify places where transit agencies have implemented services that have allowed the

78 

 

ervice  that 

e. The authors caution that many of the cases ave yet to yield data that would permit a detailed effectiveness evaluation.  

The authors do not attempt to develop overall lessons, but rely on their individual case 

s identified here were bus rapid transit (then a ot widely discussed phenomenon) and free‐market Paratransit services. Interestingly, the 

een used to help increase public transit ridership and avel market share.  he authors conducted a survey of 50 transit agencies in the United States and Canada, detailed 

 because of sufficient data and resources. 

 ght 

se 

 that 

Commiand Ene  Motoriz  Use, and CO2 Emissions – Special Report 298. Washington, D.C.: Transpo tation Research Board, National Research Council, 2009.  

he Transportation Research Board of the ational Academy of Sciences. Members of the committee include leading researchers on the 

s innovations, and small‐vehicle Paratransit services. The authors identified ten case studies (including cases in the United States, Canada, Australia, Germany, and Puerto Rico)involved the use of some form of adaptive servich studies to provide insights to policymakers and transit managers (the authors’ intended audiences). Among the more promising servicenauthors do not investigate the importance of integrating bus with rail transit, although they include both bus and rail case studies.   Charles River Associates, Inc. Building Transit Ridership: An Exploration of Transit’s Market Share and the Public Policies that Influence It. Transit Cooperative Research Program Report 27. Washington, DC: Transportation Research Board, National Research Council, 1997.  The report discusses strategies that have btrTcase studies of eight agencies, and a general analysis of the state of the transit industry. The authors had hoped to conduct a quantitative analysis but were unable to do soin  The authors found that ridership growth has not been a priority for the surveyed agencies; they have been focused more on serving existing customers. The survey also found that transit‐related initiatives alone were not sufficient to shift significant numbers of peoplefrom the automobile. The report followed the survey with a more detailed investigation of eicase study sites. These included: feeder bus (Metro North), fare integration (Toronto), Express bus (Minneapolis), times transfer (Norfolk), U Pass (Seattle), fareless square (Portland), land u(Toronto), and road pricing. The experiences were judged positive in the cases of Metro North, Toronto, and Seattle. Flat ridership results were reported in Portland. The other cases lacked sufficient data to make a definitive judgment. The authors conclude by noting that policiesmake private vehicle use less attractive will have a larger positive effect on ridership than policies that make transit more attractive.   ttee for the Study on the Relationships Among Development Patterns, Vehicle Miles Traveled, rgy Consumption. Driving and the Built Environment: The Effects of Compact Development oned Travel, Energyr The study reported in, Driving and the Built Environment, was requested by the Energy Policy Act of 2005 and was conduted by a committee of tNeffects of public policy on the pattern of the built environment, as well as on how different patterns of built environment affect travel choices. Other noted scholars provided commissioned papers, that were literature reviews of different aspects of this topic, including the impact of transportation investments on the pattern of the built environment, the impact of 

79 

 

th 

 unabated today espite  

Crane, RAnalysi rtation Research D, Vol, 3, No. 4 (1998): 225‐238. 

his article attempts to determine to what extent the street layout of a traditional  

nces ode choice. The land‐use variables were: connected street pattern, mixed street pattern, 

ce to downtown, and squared distance to downtown.An analyses of the 

e 

Dueker,  TranspoResearc

 

en n about the specific parking policy and its 

plementation, transit service changes, other public policy interventions, transit ridership, and e general socio‐economic and land use profile of the case study sites. The authors found 

pment Goals in Transit‐Oriented Project Transportation Research Record 1977 (2006). 

ews 

ity live and well 

the built environment on VMT, among other topics. The report concludes that if most growbetween now and the future could be accomplished within existing urban areas, VMT might be reduced, but that the likelihood of achieving such a radically different pattern of growth from that which has occurred over the past one hundred years and which continuesd  rhetoric and public policy to the contrary, is next to nil. The counterview to this report iscontained in, Growing Cooler, (Ewing, et al 2008).   andall and Richard Crepeau. Does Neighborhood Design Influence Travel?: A Behavioral s of Travel Diary and GIS Data. Transpo Tneighbourhood will curb the number of automobile trips. Using data obtained from a survey fortravel and socio‐economic variables, and data obtained via GIS for land‐use variables, multiple regression models were run in order to determine in what way neighbourhood design influemstreet network density, residential share of census tract, commercial share of tract, vacant share of census tract, distanresults of the calculations revealed that the variables associated with more traditional neighbourhoods (grid‐based streets, higher density, mixed use) were actually more likely to bassociated with a higher frequency of automobile trips. 

  

 Kenneth, James Strathman, and Martha J. Bianco. Strategies to Attract Auto Users to Publicrtation.  Transit Cooperative Research Program Report 40. Washington, DC: Transportation h Board, National Research Council, 1998.  This report examines the effectiveness of automobile parking policies, alone and in conjunction with changes to transit service policy, in attracting automobile users to public transportation. The authors employed a literature review followed by statistical modeling (based on the 1990NPTS) of likely effects of policy changes, and then conducted an extensive set of case study interviews to capture locations where one or more of eight defined parking policies had beemployed. The authors collected informatioimthstrong relationships between parking prices and transit use.   

Dunphy, Robert T. and Douglas R. Porter. Manifestations of Develos.  The paper examines a number of projects generally considered to be effective TODs and revitheir strengths and weaknesses, on the basis of several specific principles representing a TOD perspective. The authors draw conclusions from recent updates and their long‐term familiarwith the cited TOD experiences. The paper demonstrates that the TOD concept is aand evolving toward the described ideals. 

80 

 

Rapid transit (BART) in California to the urvey mentioned higher density development with a mix of residential, employment, and hopping designed for pedestrians (without excluding the automobile). The Washington 

n nvironments, enhance physical connections, and provide a vibrant mix of land use activities. 

Elmore  ResearcCouncil,

 t 

 t contain data that would allow one to 

directly onnect the strategy to increased ridership. The guidebook is simply designed to introduce agency managers to market segmentation concepts and their application. 

nsit Cooperative Research Program Report 95, Chapter  Washington, DC: Transportation Research Board, National Research Council, 2004. 

e p with 

ges  income areas that previously 

ad very infrequent service. In more traditional transit areas, the ridership response was more odest. The author use the results of rider surveys to note that between one half and one third 

Ewing, Evidenc2008. 

ossible to achieve objectives for reducing greenhouse gas emissions without reducing vehicle miles traveled (VMT) by automobiles and light trucks in 

  To planners, the qualities of development desired for areas adjacent to transit—especially stations or terminals—generally involve the four Ds: density, diversity (mixed uses), design, and distance from nearby development to transit facilities . When 10 transit agencies were asked to define “transit‐oriented development,” most emphasized the importance of high‐quality walking environments. Four called for mixed uses, and, interestingly, only two mentioned high density. The response of Bay Area ssMetropolitan Area Transit Authority emphasized results—smart growth development that would reduce reliance on the car, encourage pedestrian and bike access, foster safe statioe  ‐Yalch, Rebecca. Using Market Segmentation to Increase Transit Ridership. Transit Cooperativeh Program Report 36. Washington, DC: Transportation Research Board, National Research  1998.  This document is a guidebook that covers issues, procedures, and strategies associated with theuse of market segmentation to tailor ridership initiatives to particular markets of transicustomers. The guidebook discusses the application of market segmentation strategies in Boise,Milwaukee, and Washington, DC. The discussion does no

 c

  

Evans, John. Transit Scheduling and Frequency. Tra 9. This chapter is part of a larger study of traveler responses to transportation system changes. This chapter examines changes to transit schedules and frequencies. It does not examine changes to transit service structures. The authors recount the results of a series of studies dating from the 1960s to 2000s on different service schedule and/or frequency changes and thridership results. The authors use this information to calculate the elasticity of ridershirespect to the particular service change.   The author found that ridership does respond to service frequency or schedule chan(elasticity = 0.5), and that the largest responses are found in higherhmof the new transit riders would have previously driven cars to make their trip.   Reid, Keith Bartholomew, Steve Winkelman, Jerry Walters, Don Chen. Growing Cooler: The e on Urban Development and Climate Change. Washington, D.C.: The Urban Land Institute, 

 The argument of this report is that it is imp

81 

 

.S. me an w 

an areas. 

 the ent 

Ferreri, ichael. “Comparative Costs”. In Public Transportation, edited by G.E. Gray and L.A. Hoel. 2nd 

is his chapter in the Gray and Hoel text discusses the various components of operating and 

in 

al 

 

r a 

sit was used as the case study. The major employment enters

the data. A orrelation analysis showed a positive, though small, correlation between the residential areas f new riders and old riders. A principal components analysis indicated that 88 percent of the 

 standard error of 1.6, yielding a multiple correlation coefficient of 0.8 between the number of redicted and observed new riders. The research findings indicate that the response to transit 

U tropolitan areas. The authors argue further that existing patterns of sprawled urbdevelop do not permit VMT reduction.  However, by accommodating most growth between noand 2050 within existing urban areas through dense, mixed use development with revitalized CBDs, VMT will be reduced by up to 40 percent, compared to an alternative scenario of accommodating the same growth in sprawled development on the edges of metropolitThe reduced VMT would come from shorter trip lengths and more trips made on public transportation and by bikes and walking. The authors argue that the alternative form of development, that they term, “smart growth,” is achievable and is preferable to imposingsocial cost of driving on the U.S.public. This point is refuted in Driving and the Built Environm(Committee for the Study . . . 2009). See above.    M

ed. Englewood Cliffs, NJ: Prentice Hall, 1992.  SynopsTcapital transit costs. Its usefulness for our study is in its assertions that transit is best suited to serving the CBD and other traditional transit markets. The chapter attributes the decline transit service productivity to decentralizing urban forms and the dispersion of activities throughout the urban area. It notes that transit has a particularly difficult time effectively serving this kind of urban environment. The chapter is therefore reflective of the traditionview in the literature.   

Frumkin‐Rosengaus, Michelle. Increasing Transit Ridership through a Targeted Transit Marketing Approach. University Microfilms International, 1987. 

  This dissertation concentrates on commuters as the target market segment, analyzing their response to transit marketing at the place of employment. This dissertation tested two marketing theories. The first is a Peer Pressure Theory proposing that it is more effective fomarketing campaign to target areas of existing high ridership. The second is a Utilitarian Theory suggesting that marketing campaigns will have an effect regardless of the area's previous ridership trends. Santa Clara County Tranc  used for the analysis were Varian, Lockheed and several companies located within Moffett Park. Information was obtained for 545 transit riders.    After nine months of marketing campaigns, 21 percent of the transit riders were new riders and 79 percent were riders who were utilizing the transit service before the marketing efforts began. Several multivariate statistical techniques were used to analyze covariation of new riders could be explained with fourteen variables combined into three components. A multiple regression analysis showed that new riders could be predicted with a

pmarketing is, in fact, related to a peer pressure effect and to the diffusion of information, but there were other important factors as well. A long distance from place of residence to place of 

82 

 

Gomez‐ ton.” Journal

90. He employs a multivariate statistical nalysis that tests the effects of internal factors (fare and service policies) and external factors er‐capita income and employment in the city of Boston) on ridership levels. 

llowing variables: 

l per‐capita income for the MSA (in log form)  

ummy variable for 1980‐1981 = Dummy for year in which MBTA service was reduced onsiderably 

 a trend variable for the income variable, with rginal effects on either model performance or the significance levels and elasticities 

on was  

and 

in ate that the models are 

n of 

 derably 

employment, in terms of commute time, was a key variable. High ridership areas were also characterized by a concentration of high household incomes, a predominance of white collar workers and the existence of a conveniently located park‐and‐ride lot.   Ibanez, Jose A. “Big‐City Transit Ridership, Deficits, and Politics: Avoiding Reality in Bos of the American Planning Association 62, no. 1 (1996): 30‐50.   The author examines changes in ridership and agency deficits for the Massachusetts Bay Transportation Authority in Boston from 1970‐19a(p  The author obtained data for the time period 1970 to 1990. The author estimated multivariate models that include the fo Income = Rea Employment = Jobs in the city of Boston (in log form)  Fare = Real average fare per passenger trip (in log form, one‐year lag)  Vehicle miles = Vehicle miles of service operated by MBTA (in log form, one‐year lag)  Dc In one multivariate model, the author substitutedmaassociated with the explanatory variables.   The author found: 1) a 1 percent decline in the percent of jobs in the city of Bostassociated with between a 1.24 percent and 1.75 percent decline in ridership; 2) a one percentincrease in real per‐capita incomes was associated with a 0.71 percent decline in ridership; 3) a one percent increase in fares was associated with a .22 to .23 percent decline in ridership; 4) a one percent increase in vehicle miles of service was associated with a .30 to .36 percent increase in ridership. The authors’ models accounted for nearly 90 percent of the variation MBTA ridership from 1970‐ 1990. Durbin‐Watson statistics indicappropriately specified.    The author uses the model results to state that transit ridership in Boston has been strongly influenced by factors beyond the agency’s control (particularly the decentralizatioemployment). However, the definition of employment is problematic and measures jobs throughout the city of Boston as opposed to jobs inside the central business districts of Bostonand Cambridge, which the author had hoped to measure. The authors findings are considifferent from those obtained by Brown and Thompson (2006) for Atlanta, but there are considerable differences in the definition and treatment of employment in these studies.   

83 

 

Haas, P e Univers

he author identifies and discusses the specific characteristics or factors that might lead an gency to adopt one or more of four strategies (ECO pass programs, guaranteed ride home 

 largest transit agencies in the nited States. The author used a preliminary search of agency websites to identify agencies that 

s. ics 

lieves represent kely ca

Hadj‐Ch  Suburbs: Tri‐Rail in South Florida. Transportation Research Record 1618 (1998): 14‐21. 

he authors examine traffic patterns on the Tri‐Rail commuter rail system in south Florida. The ed well‐suited to serving 

uburban transit markets as opposed to the central business district‐bound market. The authors ions 

ersus the central business district. rship 

irs of stations (from automated ticket machines) for one work week during a elve‐hour period (4 a.m. to 4 p.m.). The authors classified station pairs as serving the suburb‐

eses. The first hypothesis tested whether suburban bs cou

 ate 

ey p all along the Tri‐Rail corridor, not just where the CBD is the 

e 

 are at 

ery little additional cost. 

 

eter. “Ridership Enhancement Quick Study.” Mineta Transportation Institute, San José Statity, 2005.  Taprograms, day passes, and on‐line fare media sales programs) that are frequently cited as effective ways to boost ridership. The author focuses on the 150Uuse these strategies and then conducted interviews with managers at each of the agencie  The author identified a number of service, urban structure, and travel characteristthat seem to act as barriers to the introduction of these strategies (low density, system size, service hours, etc). The author then identified a number of agencies that he beli ndidates for the successful introduction and adoption of these strategies.   ikh, Gibran J. and Gregory L. Thompson. “Reaching Jobs in the”  Tstation siting process led to the construction of some stations that seemscompare the degree to which people are using the service to reach suburban destinatv  The authors gathered ridership data from Tri‐Rail staff. These data provided ridebetween all patwto‐suburb or suburb‐to‐CBD market. They made comparisons between the two markets for six distance categories.   The authors evaluated three hypothjo ld support commuter rail to the same degree as CBD jobs. They estimated a gravity model as part of the process of testing this hypothesis. The second hypothesis tested the ability of stations to serve their potential market. They estimated an index of market penetration to evaluate this hypothesis. The third hypothesis tested whether the degree of market penetrationof a station pair was related to the distance between the stations. They estimated a multivarimodel to evaluate this hypothesis.   The authors find that both markets have comparable total potential ridership. Thidentify potential ridershidestination. The authors found that Tri‐Rail penetrates the suburb‐to‐CBD market about twicas much as the average suburb‐to‐suburb market. The authors also found that market penetration increased with distance, although the model left a considerable amount of unexplained variation in the dependent variable.    The authors use the results to highlight the existence of sizeable suburb‐to‐suburb demand for commuter rail service. They further observe that commuter rail planners whodeveloping their systems to serve CBD markets might be able to tap this potential market v 

84 

 

an Public Transportation Association, 2004. 

se 

d to 

n f comm

ssibility while alancing the current and long‐term goals of economic growth, environmental quality, and ocial equity” (viii). The author identifies three key actions that should be pursued to achieve 

art  of market segmentation strategies that 

re designed to tailor transit services to the specific needs of different rider groups. 

HendricEmploy ‐37. 

he aut d 70 

thers data from the US Census Bureau to estimate a series of multivariate odels

 

 dummy variables for both Sunbelt cities and those with xed ra

mute  

m the les and 

 both the size of the CBD and the transit ommu ther 

Hess, D  B. and Peter A. Lombardi. Policy Support for and Barriers to Transit‐Oriented Development in the Inner City ‐ Literature Review. Transportation Research Record: Journal of the 

Hemily, Brendon. Trends Affecting Public Transit’s Effectiveness: A Review and Proposed Actions. Washington, DC: Americ

 The author reviews a wide range of data, including socio‐economic trends, changes in land uand mobility patterns, societal changes, and emerging professional practices to distill the “challenges they create for transit system effectiveness and for the industry as a whole, anidentify some questions, opportunities, and potential actions for consideration in the formulation of future strategic directions for transit in the community (vii). The author compiles literature and data from a wide range of sources to paint a portrait of the continuing evolutioo unities and the implications these continuing changes to patterns of residential location, employment location, and mobility desires and needs have for the transit industry.   The author uses the review to identify a new vision for transit’s role in the community. This vision is “[a] transportation system that meets the needs for mobility and accebsthe vision: provision of new transit infrastructure, a focus at all levels of government on smgrowth and sustainable land use planning, and more usea  kson, Chris. “A Note on Trends in Transit Commuting in the United States Relating to ment in the Central Business District.” Transportation Research Part A 20, no. 1 (1986): 33 T hor uses basic statistical analysis to examine the link between public transit ridership annumber of jobs in the central business district in 1970 and 1980, and the change between 19and 1980. The author uses transit commute mode share as the measure of ridership. The sample consists of 25 large metropolitan areas in the U.S.   The author gam . The first multivariate model estimates ridership in 1970 as a function of CBD employment in 1970 (R square = .96), the second model estimates ridership in 1980 as a function of CBD employment in 1980 (R square = .90), and the third model estimates ridership in1970 as a function of both CBD employment and the total number of workers in the metropolitan area (R square = .98). The author then estimates two change models, one with a dummy variable for Sunbelt cities (R square =.77) and one without (R square = .66). Finally, he estimates a change model includingfi il systems (R square = .81).   The author finds strong relationships between CBD employment and transit commode share. The author finds positive, statistically significant effects on transit commute modeshare from the Sunbelt dummy variable, and negative, statistically significant effects frofixed‐rail dummy variable. The study’s shortcomings include: 1) the lack of control variab2) the mixing of cities with significant differences inc te mode share. Particularly problematic is the inclusion of New York, which dwarfs ocities on both variables, in the data set.   aniel

85 

 

, 

of 

 in 

ture; 

 s 

Institut of Urban and Regional Development, Parsons Brinckerhoff Quade and Douglas, Inc., Bay Area riences, 

 DC: Tra rtation Research Board, National Research Council, 2004. 

 at eet the characteristics of transit‐

1) workers ay 

r transit in 

il tomers at a downtown San Diego shopping center located 

o blo

n 

 patronize transit five to six times as often as the pical resident of a region. The authors acknowledge that self‐selection bias might be an issue  the residential studies they discuss. 

Transportation Research Board, No. 1887, TRB, National Research Council, Washington, D.C., 2004pp. 26–33. 

 The policies that are widely believed to be supportive of TOD are examined, the gap in knowledge about TOD in established city neighborhoods is addressed, and the challenges TOD in different urban settings are compared.   The authors find that (a) the literature appears to be consistent and confidentoutlining the public policies that encourage TOD; (b) researchers tend to focus on TODs in suburban and greenfield areas of fast‐growing regions in the western and southern United States; (c) TODs in older cities are not well publicized and are largely ignored by the literaand (d) researchers who study inner‐city TOD usually focus on the lack of it, or any type of development, in economically depressed areas. The conclusion of several researchers that a strong local economy is key to successful TOD offers a clue as to why recently built TOD is largely absent from many older, slow‐growth cities like Buffalo, New York, and St. Louis, Missouri. Italso offers some insight into why the TOD trend is strongest in high‐growth metropolitan arealike San Diego, California, and why it seems to skip struggling neighborhoods within them, like South Central Los Angeles, California.   e 

Economics, and Urban land Institute. Transit‐Oriented Development in the United States: ExpeChallenges, and Prospects.  Transit Cooperative Research Program Report 102, Chapter 8. Washington,

nspo This chapter from a TCRP report on transit‐oriented development examines evidence about the ridership effects. The authors query an extensive literature that examines transit ridershipboth residential and employment‐related land uses that moriented development.   The authors report the descriptive results of residential studies showing that: living near BART were six times more likely to use it for commute trips than the average BArea resident; 2) workers living near light rail transit in Silicon Valley were five times more likely to use transit for commute trips than average area residents; and 3) people living neaWashington, DC have high transit mode shares that decline with increased distance from a transit station. The authors also summarize a set of office and retail studies that showed: 1) 50 percent of those working within 1,000 feet of a downtown Washington Metro station used rato get to work; 2) 60 percent of custw cks from light rail arrived either by transit or by foot; and 3) 34 percent of patrons at a downtown San Francisco shopping center that has a direct connection to BART arrived by transit.    The authors also present a set of multivariate models from studies for the San Francisco Bay Area and Arlington County, Virginia that indicate particularly strong relationships betweethe density of the land use and transit ridership. Overall, the authors conclude that residents living in Transit‐Oriented Development usuallytyin  

86 

 

n & Indianapolis: Indiana University Press, 2008. 

nada, ll 

ples in terms of land use and transportation olicy, b site is 

oples se to 

gged  

 

r tos to lessen their environmental impacts, heavy pricing 

nd taxation of auto and truck transportation, and in some cases rail transit systems serving  OD type developments.  

  

 . 

 a  decentralization. Most of the variables are inserted in the model in their natural log 

rms. , 

 

Jones, David. Mass Motorization + Mass Transit: An American History and Policy Analysis. Bloomingto

 Jones examines the rise and fall of mass transit and of mass motorization in the U.S., Caand in several European and Asian countries. Many planners hope that the U.S. eventually wisee the U.S. following the better European examp ut his impressive compilation of the historical record demonstrates that the oppohappening, with disastrous world‐wide environmental consequences. Jones argues that peof all cultures choose suburbanization and automobile transportation when their incomes rithe point where they can make such choices. He further argues that most societies behave similarly at the same level of auto ownership. Europe has looked attractive because it has lathe U.S. in auto ownership, but the travel and land use decisions of its populations is becomingmore like those in the U.S. as its levels of auto ownership approach those in the U.S.. None‐the‐less, Jones concludes that on the margin European societies will use their autos somewhat lessthat U.S. people, because of higher taxes on driving, much better transit systems, and denser land uses, even in new suburban areas that also are served by transit. Jones recommends betteauto technology and smaller, lighter auaT  

Jones, David. Urban Transit Policy: An Economic and Political History. Englewood Cliffs, NJ: Prentice‐Hall, 1985. 

 Jones’ book is an account of the past several decades of public transit history. He focuses a greatdeal of attention on the loss of most transit markets to the automobile during the period fromthe 1920s to the 1950s and its shrinking to focus primarily on the CBD‐bound commuter andtransit dependent riders  Kain, John. “Cost‐Effective Alternatives to Atlanta’s Rail Rapid Transit System.” Journal of Transport Economics and Policy (January 1997): 25‐49.  The article examines the policy history of rail transit in Atlanta, estimates a multivariate time‐series model to explain ridership change from 1972 to 1993, and uses the estimated model to examine the likely performance of alternatives to rail rapid transit development. The paper estimates multivariate time series models that predict ridership as a function of fares, service miles, vehicle size, fuel prices, regional employment, and a trend variable that functions asproxy forfo  The models indicate that ridership was strongly influenced by fares, service, vehicle sizeand fuel prices. The trend variable also proved statistically significant, although the elasticity isquite small. Brown and Thompson (2006) present a model that extends Kain’s work and incorporates more direct measures of population and employment decentralization.   

87 

 

 

e  

 

 

 the choice to drive alone. Empirical analyses also suggest that the rovision of public transit service and mixed land use implemented at residential zones (origins) ere more effective in reducing automobile dependence than those implemented at places of 

The empirical analysis has substantial policy implications. First, densification of opulation and employment via the UGB had no direct impact on a reduction in automobile 

uggest an argument for increased subsidy and investment in public ansit to reduce automobile dependence. 

Kain, Jo e Increases in Transit Ridership Achieved by Houston and San Diego Transit Providers.” Transportation Research Part A 33, nos. 7/8 (1999):

 s   

s, per‐capita income, and regional employment variables. 

ected on 

rowth. This study is an update of a study the authors conducted in 1995 for the Federal Transit dministration. 

Jun, Myung‐Jin. Are Portland's Smart Growth Policies Related to Reduce Automobile Dependence?Journal of Planning Education and Research 2008. 

 This study investigates the effects of smart growth policies on commuters’ choice to drive alonwith emphasis on four types of smart growth policies implemented in Portland: the UGB, publictransit such as the MAX light rail system and bus service, mixed land use, and TODs. This studyattempts to assess the impact of Portland’s smart growth on automobile dependence by building logistic regression models, after controlling other variables which may affect mode choice in commuting.    Empirical evidence reveals mixed results for smart growth proponents. Higher accessibility to the MAX light rail and bus service and more mixed uses of land were significantly associated with higher probabilities of commuting by the alternative modes to private vehicles, while TOD and higher residential and employment densities were hardly related to a reduction in the choice to drive alone. In addition, higher accessibility to freeway interchanges and a higher share of single family residential land resulted in a greater likelihood of driving alone. Thus, more diversified land use in neighborhoods, more extensive provision of public transit service, and decreasing accessibility to freeway interchanges were associated with fewer choicesof driving alone, while making settlements compact via the UGB and TODs has no clear relationship with reducingpwwork (destinations).  pdependence, while additional mixed land use in the place of residence would be an effective smart growth tool for reducing single‐occupant commuter vehicles. Second, the negative relationship of transit accessibility and the positive relationship of freeway accessibility with automobile dependence str  hn F. and Zhi Liu. “Secrets of Success: Assessing the Larg

 601‐624.  The authors examine the experiences of transit systems in Houston and San Diego that achievedlarge ridership increases during a period when transit systems in most other metropolitan areaexperienced large ridership declines. They develop a series of multivariate models that seek toexplain variation the variation in ridership over time as a function of fares, service, automobilevariable  The authors estimate time‐series models to explain variation in ridership from year‐to‐year, and then use the model estimates to investigate the likely ridership effects of different fare and service strategies. The authors discovered that the variables most strongly connto ridership are service levels, fare levels, and metropolitan employment and populatigA

88 

 

for Houston’s bus transit system and San Diego’s us and light rail transit operators. These estimates suggest that the bus systems are more cost‐

Knaap, Land Va

s study is to determine whether automobile usage will be significantly duced pers and 

land 

hly 

 the , 

 ajor or minor road. Land values increase with time, per pupil expenditure 

y the p act. 

Kohn, HTranspo

he author uses a study of 85 Canadian transit companies to determine the importance of fares, opulation size, and service variables as predictors of transit ridership. The author collects data 

ate 

e author finds that the best predictors of transit ridership (R square = 0.97, F = 7190) re average fare and vehicle revenue hours. The author leaves unexamined many external 

Kuzmya . Land Use and Site Design. Transit  eraResearc

es. 

 compilation of empirical studies on the topic. 

  The authors used their models to develop estimates of operating and total costs per passenger boarding and per passenger mile beffective than the light rail systems when evaluated on the basis of total costs per passenger.  Gerrit J., Ding, Chengri & Lewis D. Hopkins. Do Plans Matter? The Effects of Light Rail Plans on lues in Station Areas (2001). Journal of Planning Education and Research 21:32‐39.   The ultimate goal of thire  by TOD, given the variety of activities afforded consumers, the freedom develobusiness owners have to choose store locations, and the constraints on public investments. The authors use data on land sales in Washington County, Oregon, which contains the Western corridor of the Portland metropolitan area. By focusing our analysis on this corridor of the metropolitan area, we seek to evaluate whether the information in plans is capitalized into values and thus plays a role in altering development patterns.    The relationships between land values and most of the independent variables are higsignificant and conform with expectations. As in most studies, land values per acre decrease with parcel size, reflecting diminishing marginal utility of lot size or economies of scale insubdivision process. Land values also decrease with distance from a public park or open spacethe property tax rate, and with distance from downtown Portland. Interestingly, the effects of density zoning are insignificant. Land values are lower for parcels located in a floodplain and forparcels adjoining a mb ertinent school district, and the median housing value of the pertinent census trFinally, land values increased on average approximately 11 percent per year.   arold M. “Factors Affecting Urban Transit Ridership.” Paper presented at the Canadian rtation Research Forum Conference, 2000.  Tpfor 85 transit agencies covering the period 1992 to 1998. He then tests alternate multivarimodels to arrive at the best model to predict transit ridership.   Thafactors (urban density, urban area size, socioeconomic characteristics) that might be associated with both of his explanatory variables.   k, J. Richard, Richard Pratt, G. Bruce Douglas, and Frank SpielbergCoop tive Research Program Report 95, Chapter 15. Washington, DC: Transportation h Board, National Research Council, 2003.  This chapter is part of a larger study of traveler responses to transportation system changThis chapter examines traveler responses to various dimensions of land use and site design. The report presents a

89 

 

 

 f the U.S., the authors report that density only becomes relevant to mode choice at densities 

 and sidential densities of 10‐15 dwelling unit per net residential acre to achieve significant 

  

senger and Ewing (1996) in lorida,

 

d 

ments also tend to ossess higher densities and mixed uses, so isolating the effects of design can be difficult. The uthors caution that in many of these studies self‐selection bias may be a concern, particularly 

Kyte, MInfluenc

 for analyzing changes in public  

sit ridership. The statistical methodology used here is the me‐series analysis and modeling approach of Box and Jenkins. This methodology was applied  data describing transit usage in Portland, Oregon from 1971 through 1982. Three levels of 

awn from this research: (1) Service level, cost, and arket size adequately explained both past and future variations in transit ridership. The effects 

d 

ls. (3) Impact analysis using intervention models provided an assessment of nine system‐wide events and 78 individual route 

  The authors report that transit ridership tends to be higher at higher densities. Citing work by Parsons Brinckerhoff, et al (1996) for Chicago, they report that a 10 percent increase inresidential density is correlated with an 11 percent increase in per‐capita transit trips and a 13 percent increase in transit mode share. Citing work by Levinson and Kumar for a national studyohigher than 7,500 persons per square mile. Citing work by Frank and Pivo (1994) in Seattle, the authors note that transit requires workplace densities of 50‐75 employees per gross acrerecommute mode shifts. Citing a study by Nelson/Nygaard (1995) for Portland, Oregon, the authors note that housing density and employment density accounted for 93 percent of the variation in daily transit trip productions and attractions across the region.   The authors also present the results of studies indicating that transit use tends to behigher in areas characterized by mixed land uses. However, the authors caution that many ofthese environments tend to also be characterized by higher densities, so separating the mixed use effect from the density effect is difficult. Citing work by MesF  the authors note that more balanced (jobs and workers) areas tend to have higher transit mode share. Citing a study by Cervero (1989) for 57 suburban activity centers, the authors note that centers with on‐site housing had 3 to 5 percent more transit, bike, and walktrips.    Finally, in terms of the influence of site design, the authors note that in more transit anpedestrian friendly environments transit use tends to be higher. The authors cite studies by Cervero (1988, 1989, 1991), Cambridge Systematics (1994), Comsis (1994), and Hooper (1989) that show modestly higher transit mode shares in areas that are characterized by a more pedestrian and transit friendly environment. However, many of these environpain studies of residential uses.   ichael. Measuring Change in Public Transportation Usage: an Analysis of the Factors ing Transit. University Microfilms International, 1986.  The focus of this research is the development of a methodologytransportation usage over time. The methodology includes three elements: (1) the developmentof a set of models that relate transit demand to level of service, cost, and market size, (2) assessment of the impacts of past service and fare changes, and (3) forecasting the effects of future service and fare changes on trantitodata aggregation were used: system level, sector level, and route level. Five different classes of time‐series models were developed.    The following conclusions can be drmof service level and fare changes on transit ridership are not instantaneous but are delayed andistributed over specific periods of time. (2) The models were consistent, in terms of lag structure and elasticities, among the three data aggregation leve

90 

 

vel se  

Liu, Zhi. ation of Alter

he autt 

 are 

tion all have strong effects on ridership. The automobile variable is problematic, 

 do 

 

Lund, H  Pasadena Gold Line: Development Strategies, Location Decisions, and Travel Characteristics along a New Rail Line in the Los Angeles Region. Mineta Transpo tation Institute, San Jose State University, 2005. 

er individual characteristics at transit‐riented residential developments along the Gold Line light rail transit line in Los Angeles. The 

 of g 

‐dependent residents in their survey. Respondents were  

ight be 

le rvice changes. This research represents an important extension of previous work in thisarea. The use of three different aggregations of data has yielded important perspectives on the relative effectiveness of system vs. route level models. Lag structures have been more clearly identified here than in any previous study. In addition, the study of all service and fare changes implemented in Portland between 1971 and 1982 has provided important information on how elasticities can vary over time and according to the specific situation of a given change. 

  

 Determinants of Public Transit Ridership: Analysis of Post‐World War II Trends and Evalunative Networks. Cambridge, MA: Harvard University, 1993.  T hor estimates a series of multivariate models to explain transit ridership in Portland, Oregon between 1950 and 1990. The author estimates multivariate models that predict transiridership (trips per capita) as a function of passenger car registrations, per capita transit subsidies, percent of population in the central city, city population, gasoline price, passengerfare, MSA employment, transit vehicle miles of service, and a time trend variable. Variables entered in their log forms.   The author’s key finding is that income, passenger car registrations, and central city populahowever, in that the total number of vehicle registrations variable does not tell us anything about the level of household vehicle ownership, in particular the number of households thatnot own an automobile. This variable has been found to be a strong predictor of transit ridership. The author uses insights from the analysis to predict the likely ridership results ofindividual variable trends on ridership.   ollie and Richard W. Willson. The

r The authors examine travel behavior, attitudes, and othoauthors observe a boom in transit‐oriented development activity but lower than expected ridership (one half of forecast).   The authors survey all residents in 37 multi‐family buildings located within 1/3 milerail stations. Of 1,595 housing units surveyed, they obtained responses from 221 units recordininformation about 477 trips. The authors interviewed ten developers and five property managers. The authors gathered neighborhood population and housing profile data from the U.S. Census Bureau. The authors also conducted site visits to assess the local pedestrian environment.   The authors found few transitprimarily white, worked in professional occupations, and owned one or more automobiles. Fewresidents had low incomes. About 75 percent of respondents rarely or never used transit, while 15 percent regularly used transit. The authors noted that respondents were more frequent transit users after they moved to their current place of residence, but noted that there ma self‐selection bias at work. 

91 

 

 

McLeod Malcolm, Kevin Flannelly, Laura Flannelly, and Robert Behnke. “Multivariate Time‐Series Model of Transit Ridership Based on Historical, Aggregate Data: The Past, Present, and 

he authors estimate multivariate models to determine the principal influences on transit t 

ike en 

dels explained more than 97 percent of the variation in transit  

old 

Meyer, ansit, and Cities. Cambridge, MA: Harvard University Press, 1981. 

ce 

ice basis. The authors attribute these olitical decisions to a combination of a desire to broaden the political base for mass 

s’ e 

Meyer,Harvard

zes of reas in the United States over the course of several decades. They also document 

e dec

r 

 

  The interviews with developers and property managers elicited a widespread sense thathaving their property near the transit line led to a rent and/or market value premium. However, there is also significant demand for housing in these communities, so the effect of location cannot be isolated from these larger market forces.   

, 

Future of Honolulu.” Transportation Research Record 1297 (1991): 76‐84.  Tridership in Honolulu between 1956 and 1984. The authors develop a multivariate model thapredicts transit ridership (revenue trips) as a function of the number of civilian jobs, per capita income, fare, the number of buses, and a dummy variable identifying years in which a stroccurred. All but the last variable are transformed into their natural log forms. The authors thestimated a similar model that substituted linked passenger trips as the dependent variable.   The multivariate moridership over the study period. However, there are some cautions. The income variable is atbest an imperfect gauge of either overall regional economic activity or individual househwelfare. The service variable (number of buses) is not the most desirable means of tracking service – more appropriate would be to use vehicle hours or vehicle miles.    John and Jose Gomez‐Ibanez. Autos, Tr

 The authors argue that political decisions have resulted in the redistribution of transit servifrom core areas to low‐density suburbs. The consequence has been a decline in service productivity, as measured on a cost per unit of servptransportation subsidies and a sincere belief in the social benefits of these services. The authorwork is typical of a large body of literature calling for privatization as the only way to avoid theskinds of policy decisions.    John, John F. Kain, and Martin Wohl. The Urban Transportation Problem. Cambridge, MA:  University Press, 1965.  In this classic work, the authors document decentralization of various populations in all simetropolitan ath lining importance of transit in urban regions and attribute the decline to decentralization. They argue that transit performs best where it links high density suburbs to large and dense central business districts, both of which are environments that are in relative decline in almost all metropolitan areas. The authors do not address the question of whethefixed route transit can serve other types of markets but implicitly assume that it cannot.  

92 

 

Mieger, vid ato Now2006. 

he paper examines the Metro Green Line in Los Angeles, which has been criticized for being a ine to Nowhere’. The authors address criticisms that the Green Line does not connect major 

 the Blue Line nd bus lines in its service area. 

 on 

 

ne  

uary 1990): 34‐39. 

blic 

deterrent 

ant transit market. Of the choice riders, 82 percent worked in the entral city and the majority of them listed parking availability as the main reason for using ansit.   

Parker, erry, Mike McKeever, G.B. Arrington, and Janet Smith‐Heimer. Statewide Transit‐Oriented DevelopTranspo

its  e 

ments  the state. For each development, the authors obtained land use, socioeconomic, and travel 

 Da nd Chaushie Chu. “The Los Angles Metro Green Line: Why Are People Riding the Line here?” Paper presented at the 86th Annual Meeting of the Transportation Research Board, 

 T‘Lactivity centers and was not likely to generate sufficient ridership to justify the investment by noting that, in fact, it serves major employment and carries more riders than the critics would expect. One important reason is the line’s important role as a connector to botha  The authors use internal agency ridership numbers to track the growth of ridershipthe Green Line versus the other rail lines operated by the Los Angeles County Metropolitan Transportation Authority (MTA). Ridership on the Green Line increased from 13,650 average weekday boardings in 1996 to 37,487 a decade later, an average annual growth rate of 12 percent. The authors also collect line‐by‐line bus route ridership and station boardings‐and‐alightings to illustrate the important role that bus‐to‐rail and rail‐to‐bus transfers are playing inincreasing Green Line ridership.    The authors find that the many Green Line riders use the line as a feeder to the Blue Line, which provides service between downtown Los Angeles and Long Beach, or as a trunk lifed by the strong arterial bus routes that cross the Green Line. The authors conclude that theGreen Line is succeeding by serving non‐traditional transit markets.   

Mierzejewski, Edward and William Ball. 1990. “New Findings on Factors Related to Transit Use.” ITE Journal (Febr

 The authors identify the choice factors that affect individuals’ decisions to use transit. The authors conducted a telephone survey of 4,000 persons in 17 selected MSAs who had putransportation available within one‐half mile of their homes.   The authors found that the attractiveness of the automobile was the primary to transit use, although 22 percent of respondents reported that their place of employment was not served by transit.  The survey results also confirm the traditional view that CBD‐bound commuters are an importctr   Tment Study: Factors for Success in California. Sacramento, CA: California Department of rtation, 2002.  The purpose of the study was to define the concept of transit‐oriented development, identify potential benefits, identify barriers to its widespread implementation, document what appearsto be working well, and develop strategies to promote more widespread use of the concept. Thunderpinning of the review is a set of 12 detailed case studies of transit‐oriented developin

93 

 

  The report encompasses descriptions of each TOD site (which were used to build a web‐ased database) and recommendations about policy that should promote more use of TOD. The 

Parsons rinckeProgramResearc

, 

n extensive set of prior empirical work on the topic. 

dy of Chicago and San rancisco, the authors note that residents of higher density residential areas are more likely to alk to access transit. From their own study of Chicago and San Francisco, the authors note that 

 uburban (post‐1950s) neighborhoods. 

The authors also report extensively from other literature on the link between the CBD 

 use mix and design in enabling ansit t

. 

Pisarski mmuting in America II.  Washington, D.C.: Eno Foundation, 1996. 

he author provides a portrait of commute travel in the United States using data obtained from 

 nsit is tied to a traditional, mono‐centric urban form, and that, as this urban form 

isappears, transit will decline. But there are exceptions, as the author notes in the cases of 

Post, Ro

beginnings of the U.S. mass transit industry, its choice of technology throughout its history, its 

data as well as information about TOD‐supportive public policies and records of development activity. 

bauthors rely on descriptive statistics to make their case that TOD sites have higher transit ridership, but there is no attempt made to control for other potential influences. The authors distinguish between the types of transit available at each site, but they do not discuss larger service structure issues.     B rhoff Quade & Douglas, Inc. Transit and Urban Form. Transit Cooperative Research  Report 10, Chapters 1 and 2. Washington, DC: Transportation Research Board, National h Council, 1996.  This report examines the relationship between urban form (which consists of urban structuredensity, land use mix, and land use design) and transit ridership. The report is essentially a literature review compilation of a  The authors note a number of key findings from their own and other research: From their own study of 17 cities with light rail and/or commuter rail, the authors report that residential densities have a strong influence on rail transit boardings and that CBD size and density is also a strong influence on rail ridership. From their own stuFwresidents of more traditional (pre‐1950s) neighborhoods are more likely to use non‐automobilemodes than residents of s and transit ridership, the roles of employment clusters (other than the CBD) as ridership attractors, the importance of higher residential and employment density in correlating with higher transit ridership and/or mode shares, and the roles of landtr o be a more viable mode for trips that might otherwise be undertaken by automobile. However, the authors note that density is often correlated with land use mix and design, and that separating the effects of these factors from the effects of density is often quite difficult  , Alan. Co Tthe 1990 Census.  The author points to the decentralization of population and employment in U.S. metropolitan areas as a primary cause of the decline in transit mode share. The reportimplies that tradOrlando, Tampa, Phoenix, San Diego, Houston, and Los Angeles.  bert C. Urban Mass Transit: The Life Story of a Technology. Westport, Connecticut, 2007.  Post, Curator Emeritus of Transportation at the Smithsonian Institution, accounts for the 

94 

 

g for the transition from streetcar to bus, Post examines both the G.M. conspiracy as ell as 

Pratt, Richard and John Evans. Bus Routing and Coverage. Transit Cooperative Research Program Report  , Chapter 10. Washington, DC: Transportation Research Board, National Research Council, 

rt of a larger study of traveler responses to transportation system changes. his chapter examines rider responses to changes in bus transit routing. These changes include: 

 s to the 

nd of t  

Pucher, , no. 1 (2

ntirety of the decade to identify trends and possible causes for those trends. The author ollects data from the American Public Transportation Association and the National Transit 

 subsidies, and ata from the Census Bureau and Bureau of Labor Statistics, including population and 

omic recovery of the 1990s, sing gasoline prices, stable fares, improved service quality, and the expansion of rail transit 

 of the ecade. The limitation of this article is that it is purely descriptive; it makes no effort to examine 

ues. 

decline as private enterprise, and its rebirth and technological choices as public enterprise. In accountinw the relative economics of the two modes as the bus evolved technologically at the end of the 1930s. Post concludes that performance and economics favored the bus over even the modern PCC streetcar, which he none‐the‐less saw as one of the greatest technological innovations of the U.S. transit industry.   

952004. 

 This chapter is paTnew bus systems and system closures, bus system expansion and contraction, changes in geographic coverage, and routing and coverage changes that might be made in tandem withfare changes. The authors provide an overview of literature on the topic from the 1970e he 1990s, and report elasticities of ridership with respect to each of the routing and coverage changes. The authors also provide more detailed case studies for several cities.  The authors found elasticities in the range of 0.6 to 1.0. The authors noted that the largest ridership increases occurred when the system emphasized “high service level core routes, consistency in scheduling, enhancement of direct travel and ease of transferring” (5).  The authors claim that new and expanded systems of the hub‐and‐spoke variety produced slightly higher ridership than grid systems, although there were no controls for other possible variables.    John. “Renaissance for Public Transport in the United States?” Transportation Quarterly 56002):  33‐49.  During the mid and late 1990s, a series of articles appeared documenting a large decline in transit ridership during the early part of the decade. This study examines ridership over the ecDatabase, including unlinked passenger trips, vehicle miles of service, fares, anddemployment statistics. The author uses these data to prevent a descriptive account of transit ridership trends.   The author emphasizes the crucial role played by transit ridership in the New York metropolitan area in driving national transit statistics. He identifies the economic recession of the early 1990s, and particularly its effect on employment in New York, as the driving force behind the ridership decline of the early 1990s. He cites the econriservices as among the key contributing factors for the ridership rebound of the latter partdthe ridership trend and its potential causes using more sophisticated multivariate techniq 

95 

 

Pucher,Transpo

nt vel behavior among different socio‐economic groups. 

he authors extract descriptive tables from the 2001 NHTS to identify differences in travel ehavior based on geography, income level, auto ownership, race, and ethnicity of individual 

h in 

vehicle ownership are more likely to use transit than are other groups.  

Pucher,MacMil

did a d 

e pidly 

ean 

n of 

 Europe), and the higher density, planned suburban development, would have the ffect of keeping Europe less motorized than in the U.S., even under high levels of personal come. 

pan. Public Transportation and Land Use Policy. Bloomington, IN: Indiana Universi  Press, 1977. 

an 

e is 

Schlossberg, MaWalkab

D 

  John and John Renne.  “Socioeconomics of Urban Travel:  Evidence from the 2001 NHTS.”   rtation Quarterly 57, no. 3 (2003): 49‐78.  The authors analyze the results of the 2001 National Household Travel Survey to documeurban travel trends and differences in traTbtravelers. The authors document a continued decline in transit use and corresponding growtvehicle travel. The authors find that the poor, blacks, Hispanics, and those with low levels of 

  John and Christian Lefevre. The Urban Transport Crisis in Europe and North America. London: lan Press Ltd., 1996.  Jones (2008) ploughed the same ground, but much more finely, as did Pucher and Lefevre decade earlier in this pioneering work.  Pucher and Lefevre compare transit and auto policy antheir consequences in the U.S., Canada, and various western and eastern European countries over a period of a number of years, attempting to use comparable metrics in the various countries.  They found that Europe, particularly eastern Europe, was motorizing much morra than anticipated, and as various countries motorized, their land uses were decentralizing, as well. Pucher and Lefevre questioned, given enough time, whether Europtransportation and land uses would come to resemble those in the U.S. rather than the other way around? Despite this question, they did see that European policy, particularly in taxatioauto travel, the absence of inner city motorways, the excellent transit systems (in western but not easternein 

Pushkarev, B. and J. Zuty This book examines the relationship between transit service supply, transit demand, and urbdensity. It is based on an earlier study prepared for the Regional Plan Association. The key insights, from the perspective of transit ridership and system performance, are that transit ushigher at higher urban densities. The authors also point out that auto ownership is lower (even when controlling for income) at higher densities.    

rc A and Nathaniel Brown. “Comparing Transit Oriented Developments Based on ility Indicators”. Transportation Research Record 1887 (2004): 34‐42.  This article uses twelve GIS based walkability variables to evaluate and compare eleven TOD sites in Portland, Oregon.The researchers used three primary techniques in comparing the TOsites: 

1) Network classification. This reflects the road network that is effectively available to the pedestrian after the heavily automobile trafficked streets have been removed. 

96 

 

2) Pedestrian catchment areas. These represent the actual areas that can be walked within 

e distance that can be walked excluding high‐speed, high‐volume roads. 

 

tersection density (high/low) 

ld be d 

SkinnerMaster

 youth riders in order to distinguish routes with disproportionate numbers of these ders from other routes. He then examines these routes in terms of ridership, productivity, and 

 r ridership and poorer performance than other routes and also tend to 

haracterized by significant route meandering that is indicative of service that diverts from 

rly 

omery County, Maryland. The article examines the impacts that various planning 

 

a five minute (quarter mile) or ten minute (half mile) time. Two different versions of these are used; the second maps th

3) Impedand‐based intersection intensities. These reflect the how many intersections areavailable to the pedestrian. 

Based on these methods, six variables were used to rank the TODs: quantity of accessible paths (high/low) quantity of impedance paths (high/low) PCA ranking (good/poor) IPCA ranking (good/poor) indensity of dead ends (high/low)  The authors conclude that the pedestrian infrastructure can vary greatly from one TOD to another, even within the same city. GIS maps of the most accessible TOD (Gresham Central Transit Center) and the least accessible (Beaverton Transit Center) provide a visual representation of the pedestrian environment. The authors note that a clearer picture couobtained if detailed data sets reflecting the more various types of sidewalks, intersections anroads encountered in real life were available.   , Jon. Elderly and Youth Bus Ridership: A Comparison of Routes  in Miami‐Dade County. ’s degree paper, Department of Urban and Regional Planning, Florida State University, 2007.  The author examines the performance of routes classified on the basis of the percentage of elderly orrithe extent to which the route meanders. He finds that routes with high percentage of elderlyriders have lowecarterials to serve neighborhoods and provide more ‘front door’ type service. These routes tend to repel both elderly and non‐elderly patrons. The author notes that larger numbers of eldepatrons actually use the traditional routes that provide more direct service along arterials. The preferences of elderly patrons tend to be a lot like other transit users —they, too, value more direct and higher speed service.   

Song, Yan. Smart Growth and Urban Development Pattern: A Comparative Study. International Regional Science Review 28, 2: 239–265 (April 2005). 

 This article provides a comparative study to examine the influences of the smart growth instruments on urban development patterns in Portland, Oregon; Orange County, Florida; and Montgframeworks have on five dimensions of compact and traditional development: street network connectivity, density, land use mix, access, and pedestrian walkability.    

97 

 

d. 

le‐family homes have been developed similarly in smaller lots and 

ies, distances from single family houses to commercial trian accessibility (except 

egon) to commercial land uses and bus stops appear to sults suggest that single‐family residential 

e regions remain relatively homogeneous in land uses that parated, and that neighborhoods remain isolated from transit.  

  Song, Yan and Gerrit‐Jan Knaap. Measuring the Effects of Mixed Land Uses on Housing Values. Regional Science 

odel study of  

d   mixed  use  transit  oriented  development  built 

round  light rail stops. Song and Knaap found that single family home buyers valued  locations ith amenities such as parks, open space, and the ability to walk to neighborhood retail. On the 

yment 

Spillar, Transit Institut

  

 el. 

The authors find a strong density effect, however the effect varies depending on the 

Taylor, Transpo

ce of urban versus 

  The authors find that neighborhoods are becoming better internally connected in all five counties—especially after the late 1980s or the early 1990s—but also less externally connecteNeighborhoods have been developed at higher density in all five counties since as early as the late 1970s or the 1980s. Singlarger homes across three regions. A mixture of land uses within the residential neighborhoods appears to be absent in all five countstores and transit appears to be increasing in all counties, and pedesMultnomah and Washington County, Orbe falling over the study period. These reneighborhoods across threcommercial uses remain se

and Urban Economics 34 (2004): 663‐680. 

This article examines public preferences for mixed  land uses  in a hedonic price msingle  family  home  purchases  in  Washington  County,  Oregon.    At  the  time  of  their  studyWashington County was the fastest growing part of the Portland metropolitan area and featurea  wide  variety  of  housing  choices,  includingawother  hand,  such  buyers  discounted  proximity  to  multi‐family  dwellings,  large  emploconcentrations, and properties with small lot sizes. 

   Robert and G. Scott Rutherford. “The Effects of Population Density and Income on Per Capita Ridership in Western American Cities.” Paper presented at the 60th Annual Meeting of the e of Transportation Engineers, 1998.  The authors examine the relationships between both residential densities and income on transitridership in Denver, Portland, Salt Lake City, San Diego, and Seattle. The authors obtain data onper capita transit use, total population, annual income, and geographic acreage from the 1980 U.S. census and local data sources. They then estimate multivariate models that predict transitridership at the neighborhood lev income of the neighborhood. Density appears to have a stronger effect in lower income neighborhoods.   Brian D. “Unjust Equity: An Examination of California’s Transportation Development Act.” rtation Research Record 1297 (1991): 85‐92.  This paper examines the consequences of California’s Transportation Development Act, which provided dedicated transit funding for all counties, on subsidy and performan

98 

 

 

 of 

aylor, Brian, Peter Haas, Brent Boyd, Daniel Hess, Hiroyuki Iseki, and Alison Yoh. Increasing Transit idership: Lessons from the Most Successful Transit Systems in the 1990s. San Jose, CA: Mineta 

The authors identify and analyze strategies used by transit agencies that enjoyed ridership 

g. Route restructuring included elimination f low‐productivity routes, suburb‐to‐suburb commuter services, and the introduction of pecialized services (welfare‐to‐work transportation, medical transportation). The authors onclude that while many factors that affect transit ridership are beyond the control of 

Taylor, DetermUrbaniz . 

on ace, age, percent below poverty), auto and highway characteristics (fuel prices, 

ercent carless households), and transit system characteristics (fares, coverage, frequency). The  s 

 that transit service levels and fares are also 

suburban operators. The author compares suburban and center‐city operators on a number of performance dimensions.   The author argues that the allocation formulas of the Act have strongly favored lightly‐patronized suburban service over more heavily‐patronized urban services. The result has been aproliferation of new, well‐funded, and expanding suburban operators that attract few riders while older, more heavily‐patronized central city operators are forced to cut service becausefunding shortfalls. The author calls for a redirection of subsidy to central city operators. This recommendation is in line with the traditional view that transit should focus on serving a CBD and central city market.   

TRTransportation Institute, 2002. 

 

increases between 1995 and 1999. The authors conducted a survey of 103 agencies and learned that a majority had expanded services, restructured routes, and developed new marketing strategies, including promotion of partnerships with universities, large employers, and other major activity centers. Surveyed agencies also cited the importance of population growth and economic conditions as factors that strongly influenced transit ridership. The authors followed the initial survey with more detailed case studies of 12 systems. These case studies revealed that among the most important internal policy initiatives undertaken were: fare restructuring, coordination with employers, and route restructurinoscagencies, creative managers can still employ a combination of strategies and enjoy positive results.   Brian D., Douglas Miller, Hiroyuki Iseki, and Camille Fink. “Analyzing the  inants of Transit Ridership Using a Two‐Stage Least Squares Regression in a National Sample of ed Areas.” Presented at the 2004 Annual Meeting of the Transportation Research Board, 2003 The authors investigate the factors that explain transit ridership in 265 urbanized areas in the year 2000. The authors estimate a two‐stage, least squares regression model that predicts transit ridership as a function of regional geographic characteristics (population, population density), metropolitan economic characteristics (household income, housing prices), populaticharacteristics (rpauthors find that the most important determinants of transit ridership variability among theurbanized areas are: metropolitan area size, median housing costs, and percent of householdhat do not own an automobile. They also findtassociated with ridership, with elasticities generally within ranges cited in the literature.   

99 

 

Thomps  Areas B ultivariate Analysis.” Transportation Research Record 1986 (2006): 172‐181

ined data from the US Census Bureau, US Bureau of Labor Statistics, nd National Transit Database. They estimated multivariate models for the percent change in dership (passenger miles per capita) between 1990 and 2000 for three different MSA groups: 

t  density;  3) West region (dummy variable); 4) change in ratio of rail 

ervice to total service; 5) percent change in service frequency; 6) percent change in service  

of , 

  as a 

Thomps ory, Jeffrey Brown, Rupa Sharma, and Samuel Scheib. “Where Transit Use is Growing: Surprising Results.” Journal of Public Transportation  9, no. 2 (2006): 25‐43. 

ify the kinds of 

opulation size class to identify places where transit use is growing. ld 

at h is 

ter 

on, Gregory and Jeffrey Brown. “Explaining Variation in Transit Ridership in U.S. Metropolitanetween 1990 and 2000: A M.  The authors identify and examine the key determinants of transit ridership change between 1990 and 2000 in U.S. metropolitan statistical areas (MSA) with more than 500,000 persons. Among the key variables they examine is a service orientation that distinguishes between multidestination and traditional service orientations.   The authors obtaariall MSAs, medium MSAs (1 million to 5 million persons), and small MSAs (500,000 to 1 million persons). The explanatory variables included: 1) 1990 passenger miles per capita; 2) percenchange in urbanized areascoverage; 7) percent change in MSA population; 8) percent change in unemployment rate; 9)percent change in black population share; 10) percent change in Hispanic population share; and 11) multidestination service orientation (dummy variable).   The authors found that transit is growing most rapidly in the non‐traditional markets the West but that much of the regional variation is a function of the particular service coveragefrequency, and orientation decisions made by transit agencies in this region. Service coverage and frequency are the most powerful explanatory variables for variation in ridership change among MSAs with 1 million to 5 million people, while a multidestination service orientation is the most important explanation for variation in ridership change among MSAs with 500,000 to 1million people. A weakness of the analysis is the definition of the multidestination variablebinary variable, as opposed to a continuous one.    on, Greg

 Using data obtained from the National Transit Database, the authors identmetropolitan areas where transit ridership increased from 1990 to 2000. The authors report descriptive statistics for ridership, service, and service productivity by Census region and MSA p  This paper essentially investigates whether transit’s fate is tied to the last vestiges of ourban forms or whether transit is finding niches in the new, largely suburban urban forms thincreasingly have manifested themselves since the 1920s.  The hypothesis is that most growtin census regions with the strongest vestiges of older urban forms centered on CBDs.  The method to test the hypothesis is to document how transit performance changed between 1990 and 2000 in U.S. metropolitan areas with more than 500,000 people in the year 2000.  The results show that for MSAs with fewer than 5 million people, transit use has been growing fasthan very rapid population growth in the West region, but not elsewhere in the country.  The conclusion is that transit growth is not tied to old urban forms.   

100 

 

he authors investigate the relationship between service orientation and transit system  

nsit s, Pittsburgh, Portland, Sacramento, San 

iego, a  

 

‐

TranSysHigh Ri ram Report 111. Washington, DC: Transpo tation

d  

his study is an update of the 1980 report The Demand for Public Transport. The report presents ation. 

 

cts of service quality, come

Urbitra  EnhancReport 

t services. The authors use an xtensive literature review to develop categories of suburban land‐use environments and a pology of service strategies. They then conducted detailed case studies of 11 US and Canadian 

Thompson, Gregory L. and T. G. Matoff.  “Keeping Up with the Joneses:  Planning for Transit in Decentralizing Regions.” Journal of the American Planning Association  69, no. 3 (2003): 296‐312. 

 Tperformance using comparative case studies of transit systems in decentralized metropolitanareas that have pursued multidestination versus radial service approaches. The authors obtained data on transit system profiles and transit performance from 1983 to 1998 for trasystems in Cleveland, Columbus, Houston, MinneapoliD nd Seattle. The performance measures include:  cost per passenger mile, peak‐to‐baseratio, passenger miles per capita, and vehicle miles per capita. The authors then compared systems that met their definitions of multidestination versus radial service orientations on eachof these measures. The authors found that multidestination systems were more effective (higher ridership), nearly as efficient (about the same cost), and more equitable (lower peak‐tobase ratio) than radial systems.   tems, Inc., Planners Collaborative, and Tom Crikelair Associates. Elements Needed to Create dership Transit Systems. Transit Cooperative Research Progr  Research Board, National Research Council, 2007.  The report includes case studies that focus on the internal and external elements that contributed to successful ridership increases and examines how the transit agencies influenceor overcame internal and external challenges to increase ridership. The report is simply a list ofthe different strategies employed with no evaluation of performance of the strategy. Most strategies relate to fare policy or the development of services targeted at specific customer subgroups through marketing.   

TRL Limited. The Demand for Public Transport: A Practical Guide. TRL Report TRL 593, 2004.  Tthe results of numerous studies on the factors influencing the demand for public transportThe report is a compilation of numerous other studies. The report presents the study results aselasticities of ridership with respect to the specific set of factors that are discussed. The report includes chapters on fares, time (travel, access, and wait), other aspein , car ownership, and land use.  Among the key findings are the following:   n Associates, Inc., Multisystems, Inc., SG Associates, Inc., and Robert Cervero. Guidelines foring Suburban Mobility Using Public Transportation. Transit Cooperative Research Program 55. Washington, DC: Transportation Research Board, National Research Council, 1999.   The authors seek to provide guidance to transit operators and local policymakers to enhance suburban mobility through traditional and non‐traditional transiety

101 

 

The authors used their analyses to develop 12 key findings about transit in suburban 

y  

Urbitran  Inc., Kittelson and Associates, Inc., Pittman and Associates, Inc. and Center for Urban Transportation Research. Guidebook for Evaluating, Selecting, and Implementing Suburban Transit Services. Transit Cooperative Research Program Report 116. 

h a web‐only document that details e eight case studies that are briefly presented in the guidebook. The purpose of the study is to 

spectives, 

t , 

tterns of the area in which the agency operated, and formation about the policy objectives underlying the specific types of services that are offered.  he authors used insights gained from these preliminary case studies to develop a procedure for 

services nd are located throughout the United States. 

 tive. 

ed‐route ansit service. 

 

ost 

(especially level of auto ownership), and it differentiates between route structures and service 

transit operators to determine the kinds of strategies that appear to be most effective in suburban environments.  environments that can serve as guidance to operators and local policymakers. Their recommendations include: 1) develop service around focal points; 2) operate along moderateldense suburban corridors; 3) continue to serve transit’s traditional demographics; 4) linksuburban services to the regional line‐haul network; 5) target markets appropriately; 6) economize on expense; 7) adapt vehicle fleets to customer demand; 8) creatively adapt transit service practices to the landscape; 9) obtain private sector support; 10) plan with the community; 11) establish realistic goals; and 12) develop supportive policies, plans, and regulations, especially as pertains to land use and development policies.    Associates, Inc., Cambridge Systematics,

Washington, DC: Transportation Research Board, National Research Council, 2006.  This report is an update of TCRP Report 55 and is paired witthexamine the current status of suburban transit, from both operations and land‐use perand to develop guidelines for evaluating, selecting, and implementing these services (1).   The authors consulted literature as preparation for conducting 28 preliminary case studies scattered throughout the United States. The authors interviewed key agency contacpersons at each of the systems, and collected information about the types of services offeredsubsidy policies, the land use painTgaining more detailed information about eight systems that offer a range of suburban a  The authors used the information obtained from both the preliminary and detailed case studies to develop a set of lessons about suburban transit services. They found: 1) the best performing services (measured in passengers per hour) are among the least flexible; 2) the best performing routes are among those serving the most balanced mix of land uses; and 3) servicesthat target specific groups (such as seniors or students) seem to be among the most producThe authors call for additional research on suburban alternatives to traditional fixtr  

Vuchic, Vukan. Urban Transit: Operations, Planning, and Economics. Hoboken, NJ: John Wiley and Sons, 2005. 

 This is a textbook on public transportation. It includes discussions of transit system operationsand networks, transit agency economics and organization, and transit systems planning and mode selection. The book’s discussions of transit users and transit network structures are mrelevant to our examination. It offers discussions of factors that influence transit travel 

102 

 

 to 

Zhang, Urban‐F

sion sful a 

rship. The independent ariables used are average travel time, square footage, housing units, median number of rooms, vel of land us mix, population density, average floor area ratio, median HH income, per capita 

evel of land‐use mix = ‐A / LN (N) 

se equ

d‐use mix 

philosophies. The remainder of the book is more useful to practicing transit planners thanresearchers.   Shaoming. Feasibility Study on Transit‐Oriented Development, Using Urban‐Form and Non‐orm Variables. Paper presented at the 2005 ESRI International User Conference.  This paper suggests quantitative ways to measure urban form, which could be useful when considering where investment in TODs should take place. The author uses two linear regresmodels to calculate two variables that would come into play when evaluating how succestransit joint development (TJD) would be: property value, and transit ridevleincome and year built. Calculations were made for areas surrounding stops along Atlanta’s MARTA. An improved version of Frank and Pivo’s Entropy Index was used to calculate the level of land‐use mix:  LWhere: A= Σ {b(n)/a * LN [b(n)/a]} With b(n)/a = proportion of building floor area of each land use among total square feet of all the land uses present in a buffer (when building floor area of one specific land u als to 0, value of 0.01 will be given for its calculation); N = Number of land use categories used in the research.  Contrary to what one would normally expect, the author found that the amount of lanwas actually negatively related to the number of workers using transit to travel. The research did confirm, however, that higher densities are positively related to transit ridership. Higher levels of both land‐use mix and population density resulted in increased property values.