A global assessment of street-network sprawl
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
Disconnected urban street networks, which we call "street-network sprawl," are strongly associated with increased vehicle travel, energy use and CO2 emissions, as shown by previous research in Europe and North America. In this paper, we provide the first systematic and globally commensurable measures of street-network sprawl based on graph-theoretic and geographic concepts. Using data on all 46 million km of mapped streets worldwide, we compute these measures for the entire Earth at the highest possible resolution. We generate a summary scalar measure for street-network sprawl, the Street-Network Disconnectedness index (SNDi), as well as a data-driven multidimensional classification that identifies eight empirical street-network types that span the spectrum of connectivity, from gridiron to dendritic (tree-like) and circuitous networks. Our qualitative validation shows that both the scalar and multidimensional measures are meaningfully comparable within and across countries, and successfully capture varied dimensions of walkability and urban development. We further show that in select high-income countries, our measures explain cross-sectional variation in household transportation decisions, and a one standard-deviation increase in SNDi is associated with an extra 0.25 standard deviations in cars owned per household. We aggregate our measures to the scale of countries, cities, and smaller geographies and describe patterns in street-network sprawl around the world. Latin America, Japan, South Korea, much of Europe, and North Africa stand out for their low levels of street-network sprawl, while the highest levels are found in south-east Asia, the United States, and the British Isles. Our calculations provide the foundation for future work to understand urban processes, predict future pathways of transportation energy consumption and emissions, and identify effective policy responses.
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