MétaCan
Menu
Retour à la cohorte
Enregistrement W2359224595

Smart Commute Workplace Program Business Case Review

2016· article· en· W2359224595 sur OpenAlexaboutno aff
Meaghan Mendonca, Jake Schabas, Kyle Kellam, Patrick Forestell

Notice bibliographique

RevueTransportation Research Board 95th Annual MeetingTransportation Research Board · 2016
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueTransportation Planning and Optimization
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTRIPS architectureLiberian dollarBusinessTransport engineeringBusiness caseTraffic congestionFinanceInvestment (military)Operations managementEngineering
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

This report summarizes an in-depth business case review for the Smart Commute Workplace Transportation Demand Management (TDM) program of Metrolinx in the Greater Toronto and Hamilton Area (GTHA). The study was conducted to determine the value delivered by the program’s investment across the network and impact on regional congestion. The report outlines the workplace program’s operations, strategic alignment, financial costs and select economic impacts, including regional congestion reduction and health benefits. The results estimated a 6:1 benefit cost ratio (BCR) for every dollar invested, along with a corresponding increase in carpooling and active transportation uptake. The study shows that the Smart Commute workplace program has been responsible for a 2% reduction in drive-alone trips across the GTHA Smart Commute network, with some workplaces shifting up to 35% of drive-alone trips to other modes—the equivalent of approximately 40 million fewer km travelled each year, and about five thousand cars taken off the road each day. The document was reviewed by the 13 Smart Commute Transportation Management Associations (TMAs), municipal stakeholders and academics at the University of Waterloo. Key inputs include the extensive survey data collected at the employee level for each Smart Commute member workplace, and Transportation Tomorrow Survey data.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,014
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,025

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,014
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0030,005
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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 Opus0,083
Tête enseignante GPT0,432
Écart entre enseignants0,349 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTransportation Research Board 95th Annual MeetingTransportation Research BoardMême sujetTransportation Planning and OptimizationTravaux en français237 207