Planning a high-frequency transfer-based bus network: How do we get there?
Notice bibliographique
Résumé
As cities have grown more dispersed and auto-oriented, demand for travel has become increasingly difficult to meet via public transit. Public transit ridership, particularly bus ridership, has recently been on the decline in many urban areas in Canada and the United States, and many agencies have either undergone or are planning comprehensive bus network redesigns in response. While comprehensive bus network redesigns are not novel to public transit, network redesigns are commonly being considered in cities to optimize operational costs and reverse downward trends in transit ridership. For cities considering a comprehensive bus network redesign, there is currently no comprehensive easy-to-follow planning process available to guide cities through such a major undertaking. In light of that, this study presents a methodology to guide transport professionals through the planning process of a bus network redesign, using Longueuil, Quebec, as a case study. Currently, Longueuil operates a door-to-door network, and the goal is to move to a transfer-based, high-frequency service while keeping the existing number of buses constant. A variety of data sources that capture regional travel behavior and network performance are overlaid using a GIS-based grid-cell model to identify priority bus corridors. A series of analyses to measure and quantify anticipated and actual improvements from the proposed bus network redesign are conducted, including coverage analysis, change in accessibility to jobs, and travel time analysis. Accessibility to jobs was the key performance measure used in this analysis and is presented as a useful tool for planners and transit agencies to obtain buy-in for the proposed plan. This methodology provides transport professionals with a flexible and reproducible guide to consider when conducting a bus network redesign, while ensuring that such a network overhaul maximizes the number of opportunities that residents can access by transit and does not add an additional burden to an agency’s operating budget.
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 | 0,005 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,006 | 0,004 |
| Communication savante | 0,010 | 0,008 |
| Science ouverte | 0,004 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,002 |
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 ».