Delivering Transportation Infrastructure Through Public-Private Partnerships: Planning Concerns
Notice bibliographique
Résumé
Problem: The types of public-private partnerships (PPPs) in which private sector partners take on increased responsibility for project design, construction, financing, and operation have become popular in the United States and around the world as means of delivering large-scale transportation infrastructure. However, it is unclear what implications this model of project delivery has for planning theory and practice as distinct from public policy more generally. Purpose: I aim to develop a set of criteria on which to evaluate the procedural, spatial, design, public policy, and political implications of these PPPs from a planning perspective, and then to examine whether their proposed benefits are matched by real-world experiences. Methods: I examine in depth three case studies of transportation projects delivered through such PPPs: the Croydon Tramlink in London, UK; the State Route 91 toll lanes in Orange County, CA; and the Cross City Tunnel in Sydney, Australia. Results and conclusions: The short-term and long-term impacts of such PPPs on infrastructure project delivery were different. In the short term, the model was effective at raising funds for new facilities and transferring financial risks to the private sector, but its limited transparency minimized meaningful community engagement in project planning. Over the longer term, noncompetition clauses in the concession agreements restricted government flexibility to respond to changing conditions, lawsuits were common as relationships between the partners deteriorated, and all three concessions were ultimately sold under duress, two to public sector agencies. Takeaway for practice: These PPPs profoundly affected the planning processes for public infrastructure and the outcomes achieved once such facilities were operational. This research identifies the need for new ex ante evaluation tools, risk transfer mechanisms, community engagement processes, and data tracking and performance monitoring procedures, to prevent negative consequences from transportation PPPs. Research support: None.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,029 | 0,050 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,008 | 0,019 |
| Communication savante | 0,015 | 0,027 |
| Science ouverte | 0,004 | 0,008 |
| Intégrité de la recherche | 0,008 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».