Spatial-temporal patterns of self-organization: A dynamic 4D model for redeveloping the post-zoning city
Notice bibliographique
Résumé
Time is the main axis for understanding the functional, economic, and social aspects of self-organized redevelopment. When such processes are intensive and are conducted contemporaneously by large numbers of urban agents on different spatial and temporal scales and as a result of different motivations, urban planning is fragmented into multiple simultaneous and unexpected projects. The post-zoning era in urban planning stemmed from a recognition of this kind of complexity of urban dynamics and the need for a flexible planning system. Web-based geographic information systems (GIS) and planning support systems (PSS) are employed widely as digital tools to support planning practices. Still, the solutions tend to be isolated implementations that do not achieve sophisticated management of the complex temporal-spatial urban dynamics of self-organization. To this end, the article presents a useful set of multidimensional (2D, 3D, and 4D) planning tools that can be implemented by municipal planning departments to improve planning practices with relative ease. This toolbox facilitates the real-time updating of changes to individual buildings and allows all parties to see where delays are occurring, where they are impacting one another, and where environments of accelerated development are evolving in nearby urban plots. Identifying redevelopment clusters enables the formulation of an urban time-based planning policy. Using a spatial-temporal toolbox for planning, we argue, can facilitate recognition of the potential of self-organization as the leading form of contemporary urban planning.
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 | 0,000 | 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 | 0,001 | 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 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 ».