What is mixed use? Presenting an interaction method for measuring land use mix
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
In recent decades, the mixing of complementary land uses has become an increasingly important goal in transportation and land use planning. Land uses mix has been shown to be an influential factor in travel behavior (mode choice and distance traveled), improved health outcomes, and neighborhood-level quality of life. However, quantifying the extent to which a given area is mixed-use has proven difficult. Much of the existing research on the mixing of land uses has focused on the presence and proportion of different uses as opposed to the extent to which they actually interact with one another. This study proposes a new measure of land use mix, a land use interaction method—which accounts for the extent to which complementary land uses adjoin one another—using only basic land use data. After mapping and analyzing the results, several statistical models are built to show the relationship between this new measure and reported travel behavior. The models presented show the usefulness of the approach by significantly improving the model fit in comparison to a commonly-used land use mix index, while controlling for socio-demographic and built form factors in three large Canadian cities (Vancouver, Toronto, and Montreal). Our results suggest that simple, area-based, measures of land use mix do not adequately capture the subtleties of land use mix. The degree to which an area shows fine-grained patterns of land use is shown to be more highly correlated with behavior outcomes than indices based solely on the proportions of land use categories.
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.
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 | 0,001 | 0,010 |
| 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 découle