Land Use as a Criterion for the Selection of the Trip Starting Locations of Park and Ride Mode Travelers
Notice bibliographique
Résumé
In the attempt to study Light Rail Transit (LRT) systems, and their necessary underlying components, such as Park and Ride (P&R) sub-systems, this article aims to showcase the importance of land-use as a criterion in the selection of trip starting locations (i.e., points), that can potentially be used as the basis for quantitative studies on LRT and P&R systems. In order to achieve this goal, a method is introduced for the selection of locations that produce P&R mode trips based on the land-use attributes of sub-zones or neighborhoods, as they are included in Sustainable Urban Mobility Plans (SUMPs). Those land-use attributes are utilized as sub-criteria for the classification and valid selection of trip starting locations out of a broader dataset of available locations. As a second supportive technique that needs to be utilized for this study, an algorithm is introduced, which allows us to test the effectiveness of the method and the importance of land use as a criterion. The algorithm enables the calculation and comparison of the attributes of the trips to be followed by P&R mode users starting from selected trip starting locations for each zone in a city and having as destinations the several available P&R facilities. Results for the methods introduced in this article are showcased based on a case study on the mid-sized city of Cuenca, Ecuador, in which, several metrics, such as traveling times considering different traffic scenarios, are examined for the potential P&R mode trips as they emerge from real-world data.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| 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 | 0,001 |
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 ».