Development of a neighborhood drivability index and its association with transportation behavior
Notice bibliographique
Résumé
Abstract Background To develop and validate a drivability index for the City of Toronto and examine its association with transportation mode choice. Methods We used exploratory factor analysis to derive distinct factors (clusters of one or more environmental characteristics) that reflect the degree of car dependency in each neighborhood, drawing from candidate variables that capture density, diversity, design, destination accessibility, distance to transit, and demand management. Area-level factor scores were then combined into a single composite score, reflecting neighborhood drivability. Negative binomial generalized estimating equations were used to test the association between driveability quintiles (Q) and primary travel mode (>50% of trips by car, public transit, or walking/cycling) in a population-based sample of 63,766 Toronto residents enrolled in the Transportation Tomorrow Survey (TTS), adjusting for individual and household characteristics, and accounting for clustering of respondents within households. Results The drivability index consisted of three factors: Urban sprawl, pedestrian facilities and parking availability. Relative to those living in the least drivable neighborhoods (Q1), those in high drivability areas (Q5) had a significantly higher rate of car travel (adjusted rate ratio (RR):1.80,95%CI:1.77-1.88), and lower rate of public transit use (RR:0.90,95%CI:0.85-0.94) and walking/cycling (RR:0.22,95%CI:0.19-0.25). Associations were strongest for short trips (<3 km) and in analyses where both residential and workplace drivability was considered (RR for car use in high/high vs. low/low residential/workplace drivability: 2.18, CI:2.08-2.29). Conclusions This novel neighborhood drivability index predicted whether local residents drive or use active modes of transportation and can be used to investigate the association between drivability, physical activity, and chronic disease risk. Key messages The association between neighborhood drivability and car use was strongest for short trips. The drivability of the neighborhood where people work is a strong determinant of car use.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».