MétaCan
Menu
Retour à la cohorte
Enregistrement W2045004238 · doi:10.1068/b38185

Mapping Bikeability: A Spatial Tool to Support Sustainable Travel

2013· article· en· W2045004238 sur OpenAlex
Meghan Winters, Michael Bräuer, Eleanor Setton, Kay Teschke

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
aboutLe titre ou le résumé porte un signal canadien du lexique géographique.

Notice bibliographique

RevueEnvironment and Planning B Planning and Design · 2013
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueUrban Transport and Accessibility
Établissements canadiensUniversity of British ColumbiaUniversity of VictoriaSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésGeospatial analysisTransport engineeringWeightingGeographic information systemIndex (typography)Built environmentSustainable transportComputer scienceEmpirical researchGeographyCartographySustainabilityEngineeringCivil engineering

Résumé

récupéré en direct d'OpenAlex

The built environment has been shown to influence active transportation. Although spatial data for the built environment is increasingly available, there has been little effort to use existing data and knowledge to define and map ‘bikeability’ as an approach to promoting travel by bicycle. Our goal was to build a tool to identify areas that are more conducive and less conducive to cycling. We used empirical research to develop a bikeability index and geographic information systems to map the index across the Metro Vancouver region. Results of an opinion survey, travel behaviour studies, and focus groups were used to identify the components of the index and their relative importance. Pertinent geospatial data layers were scored and combined using a flexible weighting scheme to create a composite map highlighting both high and low bikeability areas. The bikeability index was comprised of five factors shown to consistently influence cycling: Bicycle facility availability; bicycle facility quality; street connectivity; topography; and land use. For mapping purposes, we created corresponding metrics: density of bicycle facilities; separation from motor vehicle traffic; connectivity of bicycle-friendly roads (local streets, bicycle routes, and off-street paths); slope; and density of destination locations. Using empirical evidence to combine data layers for these metrics we generated a high-resolution (10 m) bikeability surface for the region, depicting bicycle-friendly areas and areas where cycling conditions need to be improved. Built environment interventions for specific locations are informed by evaluating scores for the five individual component layers. Mapping bikeability provides a powerful visual aid to identify zones where changes are needed to support sustainable travel. This evidence-based tool presents data in a user-friendly way for planners and policy makers. The overall bikeability score and its five component scores can guide local action to stimulate changes in cycling rates. It uses widely available data types, thus facilitating easy application in other cities. Furthermore, the flexible parameters and weighting scheme enable users elsewhere to tailor it to evidence about local preferences and conditions.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,069
Score d'incertitude au seuil0,687

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,034
Tête enseignante GPT0,259
Écart entre enseignants0,225 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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