MétaCan
Menu
Retour à la cohorte
Enregistrement W2117350867 · doi:10.3141/1704-01

Rail Transit in the Next Millennium: Some Global Perspectives

2000· article· en· W2117350867 sur OpenAlexaboutno aff
Herbert S. Levinson

Notice bibliographique

RevueTransportation Research Record Journal of the Transportation Research Board · 2000
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueTransport and Economic Policies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPer capitaKilometerTransit (satellite)GeographyChinaSoviet unionMetropolitan areaTransit systemPublic transportAgricultural economicsTransport engineeringDemographyEngineeringEconomicsPopulationPolitical scienceArchaeology

Résumé

récupéré en direct d'OpenAlex

Worldwide rail transit is discussed, focusing on grade-separated metro and light rail systems. Systems are compared by continent and country, number of lines per urban area, line lengths, station spacing, rail kilometers per million persons, annual rides per capita, and riders per route kilometer. Nine countries—the United States, the former Soviet Union, Germany, Japan, France, China, Brazil, the United Kingdom, and Canada—account for 68 percent of all rail transit systems. Ridership per capita is generally lowest in North America and highest on systems in the former Soviet Union. Europe has the largest number of systems, the most rail kilometers per million persons, and the third highest level in annual rides per capita. Comparisons and trends suggest a need for additional rail transit in the next millennium, as urban areas throughout the world continue to grow.

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)0,005
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,166
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,003
Études des sciences et des technologies0,0010,001
Communication savante0,0000,003
Science ouverte0,0020,000
Intégrité de la recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,090
Tête enseignante GPT0,341
Écart entre enseignants0,251 · 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.

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

Citations6
Publié2000
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTransportation Research Record Journal of the Transportation Research BoardMême sujetTransport and Economic PoliciesTravaux en français237 207