MétaCan
Menu
Retour à la cohorte
Enregistrement W2666402525 · doi:10.5198/jtlu.2017.980

Transit accessibility, land development and socioeconomic priority: A typology of planned station catchment areas in the Greater Toronto and Hamilton Area

2017· article· en· W2666402525 sur OpenAlexafffundabout
Steven Farber, Maria Grandez

Notice bibliographique

RevueJournal of Transport and Land Use · 2017
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueUrban Transport and Accessibility
Établissements canadiensUniversity of Toronto
Organismes subventionnairesUniversity of Toronto ScarboroughUniversity of Toronto
Mots-clésCatchment areaRedevelopmentSocioeconomic statusLand useEnvironmental planningTransport engineeringDrainage basinGeographyTypologyTransit (satellite)Land-use planningUnavailabilityBusinessPublic transportCivil engineeringPopulationEngineeringCartographyEnvironmental health

Résumé

récupéré en direct d'OpenAlex

The Greater Toronto and Hamilton Area is in the process of implementing a wide array of transit expansion projects. Despite being an important evaluator of transit efficacy, accessibility is not a typical variable included in the business cases of the local planning authorities. We address this shortcoming by computing current and future accessibility scores for each proposed transit route and station. Our results are compared against measures of availability of developable land within station catchment areas and the socioeconomic priority of populations residing within catchment areas. A typology of station types is produced via a multi-criteria analysis, and this is further used to assess the efficacy of the transit plans in meeting the redevelopment and intensification goals and social priorities in the region. We are able to conclude that significant mismatches between accessibility and developable land exist. Furthermore, there is a lack of alignment between accessibility and socioeconomic priority; however, where these two criteria align, risks of redevelopment-based gentrification are low, due to the unavailability of readily developable land in these station catchment areas.

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)0,000
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 enseignants0,317
Score d'incertitude au seuil0,637

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,005
Études des sciences et des technologies0,0010,002
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
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 Opus0,039
Tête enseignante GPT0,308
Écart entre enseignants0,268 · 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

Citations58
Publié2017
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueJournal of Transport and Land UseMême sujetUrban Transport and AccessibilityTravaux en français237 207