Connecting People to Places: Spatiotemporal Analysis of Transit Supply Using Travel-Time Cubes
Notice bibliographique
Résumé
Despite its importance, temporal measures of accessibility are rarely used in transit research or practice. This is primarily due to the inherent difficulty and complexity in computing time-based accessibility metrics. Estimating origin-to-destination travel times that include the “last mile” of travel between the transit network and actual start and endpoints of the trip is technically difficult. Not only do such estimations require multimodal network structures, they also require detailed knowledge of transit schedules and sophisticated algorithms for calculating shortest paths using such inputs. Recently, new standards for sharing transit schedules and geographic data, namely the General Transit Feed Specification (GTFS) have prompted innovations in the analysis of complex transit travel times using the Esri ArcGIS package with the Network Analyst extension. With continued development of the analytical capabilities of network analysis functionality, this project assesses spatiotemporal dynamics in transit supply through an investigation of scheduled travel time variability. This report consists of a collection of three stand-alone research papers. The first defines a new data object, the public transit travel time cube, and demonstrates its use in measuring changes in transit provision over time, changes in accessibility to jobs, and the impacts of bicycling on the last mile problem. The second paper consists of a study of temporal mismatch between observed travel patterns and the spatiotemporal patterns of transit supply in the Wasatch Front. The third paper expands the food desert literature by measuring temporal fluctuations in food accessibility over the course of a typical day, and examining the trends for disparities between socioeconomic subgroups. Our findings indicate that time-based measures of transit accessibility provide more nuanced abilities for us to understand how people are impacted by temporal variability in transit provision.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,004 | 0,009 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».