MétaCan
Menu
Retour à la cohorte
Enregistrement W2167013226 · doi:10.3141/2339-08

Classification of Bicycle Traffic Patterns in Five North American Cities

2013· article· en· W2167013226 sur OpenAlexafffundabout
Luis Miranda-Moreno, Thomas Nosal, Robert J. Schneider, Frank R. Proulx

Notice bibliographique

RevueTransportation Research Record Journal of the Transportation Research Board · 2013
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueUrban Transport and Accessibility
Établissements canadiensMcGill University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaU.S. Department of Transportation
Mots-clésRecreationGeographyTraffic volumeTransport engineeringEngineeringEcology

Résumé

récupéré en direct d'OpenAlex

This study used a unique database of long-term bicycle counts from 38 locations in five North American cities and along the Route Verte in Quebec, Canada, to analyze bicycle ridership patterns. The cities in the study were Montreal, Quebec; Ottawa, Ontario; and Vancouver, British Columbia, in Canada and Portland, Oregon, and San Francisco, California, in the United States. Count data showed that the bicycle volume patterns at each location could be classified as utilitarian, mixed utilitarian, mixed recreational, and recreational. Study locations classified by these categories were found to have consistent hourly and weekly traffic patterns across cities, despite considerable differences between the cities in their weather, size, and urban form. Seasonal patterns across the four categories and in the cities also were identified. Expansion factors for each classification are presented by hour and day of the week. Monthly expansion factors are presented for each city. Finally, traffic volume characteristics are presented for comparison purposes.

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)0,004
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 enseignants0,568
Score d'incertitude au seuil0,819

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,004
Études des sciences et des technologies0,0010,002
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,002
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 Opus0,092
Tête enseignante GPT0,398
Écart entre enseignants0,307 · 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

Citations82
Publié2013
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueTransportation Research Record Journal of the Transportation Research BoardMême sujetUrban Transport and AccessibilityTravaux en français237 207