Transit network analysis: providing an optimal transit network strategy for mid-size transit systems
Notice bibliographique
Résumé
Transit network analysis is an emerging field in transportation planning. This practicum addresses the issue of declining transit ridership in many North American regions and the trend towards rethinking transit networks to improve ridership and transit modal share. While there is existing research reporting on large cities such as Houston and Seattle, the focus of this practicum is on transit agencies in mid-sized regions having a population serving area between 100,000 and 1,000,000 residents, with two case studies in Columbus and Kansas City. Redesigning a transit network requires transit planners to carefully consider current land use patterns, ridership/coverage ratio, and most importantly the political environment. The process typically will take years to accomplish. Columbus took four years to successfully roll out their redesigned network to positive results, while Kansas City is in its first full year of planning for a network redesign strategy and are encountering numerous obstacles unique to the region. In addition to examining how to redesign transit networks for better efficiency, this practicum identifies other innovative strategies transit planners are considering in improving ridership and modal share, such as microtransit, universal transit passes, and low-income transit passes. While most of the research focuses on transit agencies in Columbus and Kansas City, several elements can be applied to other transit agencies that are considering a redesign of their transit network. A questionnaire was developed that was sent to all North American transit agencies in mid-sized regions, and five planners were interviewed in Columbus and Kansas City to learn more about the process of transit network restructuring. Findings and recommendations include determining the optimal balance between providing ridership and coverage service in the transit network, realizing that transit network restructuring is a long-term process, and remembering there are other tools that can be used to attract riders such as rider incentives and microtransit. Future research opportunities can include a focus on Canadian transit agencies, winter cities, how transit agencies balance providing frequent bus service in major corridors and coverage service elsewhere, and revisiting Kansas City after they complete their transit network restructuring process.
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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».