MétaCan
Menu
Retour à la cohorte
Enregistrement W2063245001 · doi:10.2495/ut150121

The implications of automobile dependency in Abu Dhabi city

2015· article· en· W2063245001 sur OpenAlexaff
M. Ochieng, Mohamoud Mohamed Jama

Notice bibliographique

RevueWIT transactions on the built environment · 2015
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueUrban Transport and Accessibility
Établissements canadiensTransport Canada
Organismes subventionnairesnon disponible
Mots-clésAbu dhabiDependency (UML)PaceBusinessPopulationTransport engineeringEconomic growthGeographyComputer scienceEngineeringEconomicsEnvironmental healthMetropolitan area

Résumé

récupéré en direct d'OpenAlex

Global trends indicate that automobile dependency is increasing at a tremendous pace especially in developing countries -much faster than the provision of roadway and transport infrastructure. Furthermore, research shows both car use and ownership tend to increase with economic development and growth. Abu Dhabi City is a typical example of a fast growing (economically, population and wealth) city, where car ownership is growing at an annual rate of 24% and most journeys are made by car. Transport policy makers in Abu Dhabi face an uphill challenge as they try on the one hand to develop a comprehensive multi-modal transport network that includes various elements of mass transit systems and on the other, to deal with an increasing car dependency. The externalities associated with a car dependent society is currently being felt in Abu Dhabi and the region in general, with the rise of congestion, health problems associated with lack of physical mobility, accidents and environment deterioration. This paper assesses the impacts of automobile dependency in Abu Dhabi city, and includes how Abu Dhabi compares with similar international cities, outlines key challenges facing Abu Dhabi while taking into account the unique characteristics of Abu Dhabi; and finally concludes with key recommendations that Abu Dhabi can employ to overcome automobile dependency, in order to realize the long-term aspirations of a world-class city with a well-integrated multi-modal transport system.

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 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 enseignants0,202
Score d'incertitude au seuil0,555

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)0,0010,000

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 Opus0,046
Tête enseignante GPT0,289
Écart entre enseignants0,243 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations7
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWIT transactions on the built environmentMême sujetUrban Transport and AccessibilityTravaux en français237 207