MétaCan
Menu
Retour à la cohorte
Enregistrement W2804769783 · doi:10.1177/0361198118776522

Park ‘n’ Roll: Identifying and Prioritizing Locations for New Bicycle Parking in Québec City, Canada

2018· article· en· W2804769783 sur OpenAlexaffabout
Marie-Pier Veillette, Emily Grisé, Ahmed El-Geneidy

Notice bibliographique

RevueTransportation Research Record Journal of the Transportation Research Board · 2018
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueUrban Transport and Accessibility
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésTransport engineeringDestinationsPrioritizationParking guidance and informationService (business)Car parkingPark and rideTerm (time)BusinessComputer scienceEngineeringGeographyPublic transportTourismMarketing

Résumé

récupéré en direct d'OpenAlex

Promoting active modes of transportation, such as cycling, is an ongoing challenge faced by many cities around the world. Fostering a bicycle culture in an auto-dominant region is riddled with challenges, but success has been achieved with investments in bicycle infrastructure, including bicycle parking. This study presents a new methodology to identify the optimal locations to install short-term (bicycle racks) and long-term (bicycle lockers or indoor locking facilities) bicycle parking using a GIS-based approach that considers multiple criteria. Using Québec City, Canada, as a case study, our methodology considers multiple criteria related to the demand for bicycle parking, including the destinations of existing and potential cyclists and proximity to a frequent bus service. A prioritization index is developed to identify the optimal locations for long-term and short-term bicycle parking. This is followed by a recommendation of the number of bicycle parking spaces required to meet existing and potential demand. This paper aims to provide practitioners with an easy-to-use method to aid in the planning of new bicycle parking infrastructure, which is designed to be flexible and adaptable to other contexts.

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 enseignants0,028
Score d'incertitude au seuil0,204

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,004
Études des sciences et des technologies0,0020,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,153
Tête enseignante GPT0,438
Écart entre enseignants0,286 · 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

Citations15
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueTransportation Research Record Journal of the Transportation Research BoardMême sujetUrban Transport and AccessibilityTravaux en français237 207