Developing vehicular and non-vehicular trip generation models for mid-rise residential buildings in Kelowna, British Columbia: Assessing the impact of built environment, land use, and neighborhood characteristics
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
This study develops vehicular and non-vehicular trip generation models for mid-rise, multi-family residential developments. A comparative analysis of observed and Instiutue of Transportation Engineers (ITE) trip rates suggests that ITE rates consistently overestimate. A latent segmentation-based negative binomial (LSNB) model is developed to improve the methodology for estimating vehicular and non-vehicular trips. One of the key features of an LSNB model is to capture heterogeneity. Segment allocation results for the vehicular and non-vehicular models suggest that one segment includes suburban developments, whereas the other includes urban developments. Results reveal that a higher number of dwelling units is likely to be associated with increased vehicle trips. For non-vehicular trips, a higher number of dwelling units and increased recreational opportunities are more likely to increase trip generation. The LSNB model confirms the existence of significant heterogeneity. For instance, higher land-use mix has a higher probability to deter vehicular trips in urban areas, whereas trips in the suburban areas are likely to continue increasing. Higher density of bus routes and sidewalks are likely to be associated with increased non-vehicular trips in urban areas, yet such trips are likely to decrease in suburban areas. An interesting finding is that higher bikeability in suburban areas is more likely to increase non-vehicular trips. The findings of this study are expected to assist engineers and planners to predict vehicular and non-vehicular trips with higher accuracy.
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 | 0,001 | 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 | 0,001 | 0,001 |
| 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