Adaptation investments for transport resilience: trends and recommendations
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Climate change, extreme weather and flooding threaten to increase damage and disruption to our transport networks and the services that they provide. There is increased need for adaptation to maintain current asset conditions and services, and a strategic requirement to prioritise such investments in adaptation to reduce future risks. Physical network risks will not be evenly distributed across nations (e.g. due to geographical and climate change patterns), and some regions will require more investment and adaptive interventions than others to maintain services due their vulnerability to natural hazards. Comparatively, the distribution of investment for transport infrastructure does not have a uniform spatial distribution, and can favour schemes that reduce congestion on networks with high demand without considering the actual risk of being impacted. These two issues, if unchallenged, will present an unfavourable future for areas with high network risks and low transport demand that will widen spatial inequality or resilience, mobility and potential for economic growth. This study advances a method- ological framework to analyse the spatial distribution of flood risk on UK road and rail networks in the light of potential bias of regional investment. Using GIS mapping, network data and risk analysis, regional futures are categorised and discussed. There is a clear North/South divide in transport networks at risk from potential coastal and fluvial flooding, with southern regions having 10–30% of their network situated in known flood risk areas. Investment in transport infrastructure is also disproportionately favoured towards regions with high transport demand, and peripheral regional such as wales and the South west are at risk from increase disparity from high flood risk networks and a low potential for investment. The study provides preliminary evidence for the need to consider assessment approaches for long-term investment in resilience, drawing recommendations for future research.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle