Survey of Transportation Agencies on the Current State of Transportation Data Collection Practice in Canada
Notice bibliographique
Résumé
High quality, comprehensive data on travel behaviour, transport network performance and land use characteristics are essential to the planning and design of urban transport systems. Such information is derived from a variety of sources. In order to gain an understanding of current Canadian collection practice, issues and needs, a survey of transportation agencies was undertaken. Based on the survey results, 57% of respondents either conduct or commission household travel surveys, while another 18% either plan to, or would like to use, such surveys. Of the agencies that conduct or commission household surveys, 94% have undertaken at least one survey over the past 10 years. Telephone-based methods dominate Canadian survey practice, with 55% using telephone listings for their sampling frame, and 57% using telephones as their interview medium. However, web-based methods are emerging as the second most popular form of interview medium (24%). In addition to surveys, many types of counts and inventories are also conducted to provide supplemental data. It was clear, however, that all agencies encounter challenges, both fiscal and methodological. The main concerns included selecting properly representative sample frames, given the declining use of land-line phones, and the associated issues of low response rates, under-reporting of trips and insufficient sample sizes. Canadian agencies recognize that emerging technologies and new data sources can play a role in addressing these challenges. This survey provides a baseline of current methods upon which to construct a standardized framework for the collection of data on personal travel.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,018 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».