Modelling accessibility to urban services using fuzzy logic
Notice bibliographique
Résumé
Purpose This paper is an attempt to bridge the gap between, on the one hand, the mobility behaviour of households and their perception of accessibility to urban amenities and, on the other hand, house price dynamics as captured through hedonic modelling. Design/methodology/approach In order to analyse the mobility behaviour of individuals and households, their sensitivity to travel time from home to service places is estimated so as to assess their perceived accessibility, using “subjective” indices based on actual trips, as reported in the 2001 origin‐destination survey designed for Quebec City. For comparative purposes, both objective and subjective accessibility indices based, in the former case on observed travel times and, in the latter case on fuzzy logic criteria, are computed and used as a complement to a centrality index in a hedonic model of house prices. Findings Findings indicate that there are statistically significant differences in the way accessibility is structured depending on trip purposes and household profiles. They also suggest that, while an objective measure of accessibility yields good results, resorting to subjective, and more comprehensive, accessibility indices derived from fuzzy logic provides greater insight into the understanding of commuting patterns and travel behaviour of people. Practical implications Better understanding the complexity of individuals’ and households’ mobility behaviour should result in more adequate initiatives and decisions being taken by transportation and city planning authorities. Originality/value Accessibility to jobs and services has long been known as a major determinant of urban, residential and non residential, rents. Yet, it is more often than not assumed to derive from a rather straightforward process, which this paper shows is not the case.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».