Are we connected? Assessing bicycle network performance through directness and connectivity measures, a Montreal, Canada case study
Notice bibliographique
Résumé
Over the last two decades, cycling has seen a rise in popularity in North American cities, which are continuously expanding their bicycle networks. While studies highlight that a good network should provide direct bicycle routes for cyclists to reach their desired destination, most network assessments simply measure the length of bicycle facilities in a region. Building on a set of complementary indicators to account for directness of bicycle facilities, this study assesses the performance of the bicycle network in Montreal, Canada. The study uses data from two large-scale online cyclist surveys (2,917 and 2,644 respondents) conducted in Montreal in 2009 and 2013. The 2009 survey provides data on actual trips made by cyclists and is used to assess cyclists’ behavior in Montreal. The 2013 survey provides actual cyclists’ home and work/school locations. Routes between actual home and work locations are generated using the bicycle facilities and street network based on three different route preferences. For each route generated, the diversion and proportion of route on bicycle facilities are calculated to assess directness of bicycle facilities. Based on these two indicators and on Montreal cyclists’ behaviour, network connectivity is then measured. The Montreal network shows a low level of connectivity of less than 51% on every level of preference. Trade-offs between diversion and proportion of route on bicycle facilities are highlighted spatially together with areas with low levels of connectivities. Finally, using circuity measures (the ratio between network and Euclidian distances), results show the extent to which the existing transportation network favors driving with a circuity of 1.22 compared to 1.33 for trips made by bicycle. Using a simple set of performance measures reflecting cyclists’ trade-offs, this study highlights the need to incorporate bicycle network connectivity objectives into transportation plans to improve the efficiency of the network and hence promote bicycle use. Cities wishing to promote cycling can use the set of metrics developed in this study to evaluate their current or projected bicycle network.
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 | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,008 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,000 |
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.
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 ».