Integrating Value Engineering and Context-Sensitive Solutions
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
The designers of transportation infrastructures are increasingly using the term “context-sensitive design” (CSD) or the broader term “context-sensitive solutions” (CSSs) to refer to a design process that strives to be more cognizant of its surrounding environment. Transportation infrastructures, especially in urban environments, are part of a much larger urban ecology that consists of a complex set of natural and human-made systems. As such, design guidelines that solely address engineering and safety considerations have proved themselves incapable of delivering street designs that respond to the functional requirements of the multitude of stakeholders within urban environments. Analysis of these requirements is a necessary first step for any successful CSD-CSS. In this regard, value engineering has been identified as a successful tool for product functional analysis. Several phases of value engineering overlap with the guiding principles of CSD-CSS. As such, this paper presents a value engineering framework that can be used for the analysis of the functional requirements of urban streets within a CSD-CSS approach. To place the proposed framework into context, a major transit improvement project in the city of Toronto, Ontario, Canada, was studied. Seven of the main design elements were analyzed against the primary and secondary objectives identified by the value engineering process. Almost all objectives were attained by the design elements selected. The proposed framework and analysis of the case study show that the value engineering methodology can be efficiently used to address the needs of CSD design of urban streets.
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 | 0,007 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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