A Methodology to Quantify Discontinuities in a Cycling Network – Case Study in Montréal Boroughs
Notice bibliographique
Résumé
Many studies have investigated the cause of the low mode share for active modes of transportation, walking and cycling, in North America. Since the primary purpose of any transportation network is to provide connectivity between the origin and travel destination, studies have considered the discontinuities in the cycling facility as a major reason for lower cycling mode shares. Network connectivity decreases travel distances and provides a set of possible routes that are easily accessible for all road users. On the other hand, discontinuities correspond to points in the network were the cycling network is not connected and a cyclist may have to reconsider his/her route and will be more exposed to motorized traffic. This paper proposes a methodology to identify and quantify discontinuity within a cycling network using geospatial data and a geographic information system. This study identified two types of indicators, A) internal cycling network discontinuity indicators: the number of ends of bike facilities, the changes in bike facility type, and B) discontinuity indicators with respect to the road network: the number of intersections on bike facilities, the variations in the number of lanes, road type, motorized traffic volume along bike facilities and the number of bus stops on bike facilities. The dataset and step-by-step process of quantifying these discontinuity measures are presented and applied to three boroughs in the island of Montreal for comparison.
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 | 0,033 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».