MétaCan
Menu
Retour à la cohorte
Enregistrement W2598834092 · doi:10.3141/2651-10

Utilizing Shared Parking to Mitigate Imbalanced Supply in a Dense Urban Neighborhood: Case Study in Vancouver, British Columbia, Canada

2017· article· en· W2598834092 sur OpenAlexaffabout
Neal T. Abbott, Alexander Bigazzi

Notice bibliographique

RevueTransportation Research Record Journal of the Transportation Research Board · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueSmart Parking Systems Research
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésPlacemakingGeographyUrban planningBusinessEnvironmental planningUrban designEngineeringCivil engineering

Résumé

récupéré en direct d'OpenAlex

Excess off-street parking can have a range of impacts, including undesirable effects on housing costs, urban form, mode choice, and overall density. In urban residential areas, excess off-street parking can coexist with on-street parking congestion because of restrictions in parking access, nonmarket pricing, and other factors. This paper examines the potential for shared parking to address such an imbalance in parking supply by using a case study of the West End, a high-density residential neighborhood in Vancouver, British Columbia, Canada. The West End’s residential parking permit (RPP) program has faced parking shortages and congestion, with on-street parking consistently reaching 90% occupancy. At the same time, off-street residential parking facilities in the neighborhood have occupancy rates consistently less than 50%. This analysis uses the inventory and occupancy data for off- and on-street parking stalls to investigate the impacts of making off-street stalls available to RPP users in a shared-parking program. Results showed that on-street parking congestion could be greatly reduced by introducing a relatively small number of off-street stalls from select residential buildings to the RPP program. Methods to unlock currently underutilized off-street parking supply are also discussed.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,029
Score d'incertitude au seuil0,159

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0080,001
Communication savante0,0020,000
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,052
Tête enseignante GPT0,334
Écart entre enseignants0,282 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

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
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueTransportation Research Record Journal of the Transportation Research BoardMême sujetSmart Parking Systems ResearchTravaux en français237 207