MétaCan
Menu
Retour à la cohorte
Enregistrement W2072451423 · doi:10.5539/jsd.v5n10p68

Mode-Based Transport Sustainability: A Comparative Study of Taipei and Kaohsiung Cities

2012· article· en· W2072451423 sur OpenAlexvenueno aff
Tzay‐An Shiau, Quan-Kai Peng

Notice bibliographique

RevueJournal of Sustainable Development · 2012
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueUrban Transport and Accessibility
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSustainabilityMode (computer interface)Sustainable transportMode of transportBusinessUrban sustainabilityTransport engineeringEnvironmental scienceEnvironmental economicsPublic transportComputer scienceEngineeringEconomicsEcology

Résumé

récupéré en direct d'OpenAlex

Mode shifting is an effective solution to improve transport sustainability. This study developed an indicator system for measuring mode-based transport sustainability at the local level, and the results provided a basis for evaluating the proposed improvement solutions. A case study of Taipei and Kaohsiung confirmed that the mode-based transport sustainability model could highlight which mode provided the most superior transport sustainability and which indicator or aspect could be improved to enhance the transport sustainability of the two cities. The findings from Taipei and Kaohsiung revealed that the use of Mass Rapid Transit (MRT) and bicycles significantly improved transport sustainability, but that the effects of motorcycle use on transport sustainability varied according to local circumstances. Analysis of four transport sustainability improvement scenarios indicated that building bicycle exclusive lanes would have significant environmental and social benefits both in Taipei and Kaohsiung. Increasing parking fees for cars and motorcycles would have a relatively insignificant effect on improving sustainability in Taipei City. Constructing an infrastructure for electric motorcycles in Kaohsiung would provide the most significant improvement to transport sustainability of any of the four scenarios.

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)0,003
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 enseignants0,264
Score d'incertitude au seuil0,571

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
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 Opus0,030
Tête enseignante GPT0,319
Écart entre enseignants0,289 · 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

Citations9
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Sustainable DevelopmentMême sujetUrban Transport and AccessibilityTravaux en français237 207