Cycling through the COVID-19 Pandemic to a More Sustainable Transport Future: Evidence from Case Studies of 14 Large Bicycle-Friendly Cities in Europe and North America
Notice bibliographique
Résumé
This article examines the impact of COVID-19 on cycling levels and government policies toward cycling over the period 2019 to 2021. We analyze national aggregate data from automatic bicycle counters for 13 countries in Europe and North America to determine month-by-month and year-to-year changes in cycling levels in 2020 and 2021 compared to 2019. That aggregate analysis is complemented by case studies of 14 cities in the USA, Canada, the UK, Belgium, France, Spain, and Germany. Although there was much variation over time, among countries, and among cities, cycling levels generally increased from 2019 to 2021, mainly due to growth in cycling for recreation and exercise. In contrast, daily trips to work and education declined. All 14 of the cities we examined in the case studies reported large increases in government support of cycling, both in funding as well as in infrastructure. Bikeway networks were expanded and improved, usually with protected cycling facilities that separate cyclists from motorized traffic. Other pro-cycling measures included restrictions on motor vehicles, such as reducing speed limits, excluding through traffic from residential neighborhoods, banning car access to some streets, and re-allocating roadway space to bicycles. Car-restrictive measures became politically possible due to the COVID-19 crisis.
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 | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».