Spatial data and workflow automation for understanding densification patterns and transport energy networks in urban areas: The cases of Bergen, Norway, and Zürich, Switzerland
Notice bibliographique
Résumé
A better understanding of how the spatial configuration of cities, understood as urban structure and forms, can achieve sustainable development is needed. This paper presents spatial data and an automated workflow for studying the urban structures (i.e., road and transportation networks) and forms (i.e., building size, position, function and density) of two medium-sized European cities - Bergen, Norway and Zürich, Switzerland. The data focuses on examining correlations between the densification patterns and transport energy usage of these cities de Koning et al., (2020). Spatial and tabular datasets for (i) urban structures, (ii) urban forms, (iii) building density, (iv) road centre lines and (v) transport energy usage are obtained as georeferenced files from OpenStreetMap (OSM) and upon request from collaborating local and national authorities. Transport energy data is derived from traffic data collected from the Norwegian Public Road Authorities or simulated via a traffic model. Open-source data is used wherever possible. Data gaps within proprietary data are supplemented with proxies or open-source data. Hand-drawn axial maps drawn by the authors using the Space Syntax methods and analysed via depthmapX software are a crucial dataset presented here. All analysed data are then returned to a Geographical Information System (GIS) platform and processed via an automated workflow of 19 steps built via the ModelBuilderTM tool in ESRI® ArcGIS. The automated workflow allows for repetitive cross-city comparison and the compilation of diverse spatial data sources for analysis. In combination with the novel workflow, the dataset can be used for future comparative studies in spatial planning, transport planning and management of energy systems to facilitate informed decision-making towards more sustainable developments.
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 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,005 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».