On-Street Parking Demand Estimation in Urban CBD using FI and CF Model: A Case Study – Kolkata, India
Notice bibliographique
Résumé
Objectives:To estimate the on-street parking demand in the urban Central Business Districts (CBDs). Methods/Statistical Analysis: To achieve the goal, the study formulates two parking demand estimation models i.e., the fee index (FI) model and the cost factor (CF) model, based on regression analysis using SPSSStatistical Package for the Social Science. FI Model estimates the on-street parking demand where the transit system is absent. On the other hand CF model estimates the demand by considering the mode shift from the private vehicle (PV) users to the public transit (PT). Findings: Priority wise requirements for selecting PT are found out in this survey. The existing demand in the both selected CBDs of Kolkata, viz. Dalhousie and Gariahat is found to be much higher than the present parking supply. FI Model shows that, the demand will satisfy the existing supply if unit FI can be achieved. CF model explain that, the transit fare need to be increased by 52% and 26% for Dalhousie and Gariahat area respectively to meet the demand with the existing supply. It is also found out that, the on-street demand is less in transit oriented CBDs. The forecasted demand is reduced by 69% and 71% and by 63% and 59% than the present demand using CF model and the FI model respectively. In this study, it has been attempted to evaluate the on-street parking demand and such type of works has not been found out by the authors particularly in India which make it a pioneer study for others. Application/Improvements: The users need to be shifted from PV to PT immediately and the government must take necessary actions to introduce sufficient transit service to counter the on-street parking problem. Keywords: CBD, On-Street Parking Demand, Parking Demand, Parking Supply, Parking Demand Model
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».