The Impact of Road Functions on Road Congestions Based on POI Clustering: An Empirical Analysis in Xi’an, China
Notice bibliographique
Résumé
In new-tier cities with rapid urbanization, the reorganization of urban spatial functions and the development of road networks have brought novel challenges to traffic congestion control. Urban land use patterns have a significant correlation with urban traffic congestion. However, whether and how land use patterns of cities close to the roads affect road congestion is less to be discussed. This article investigated the relationship between land use patterns close to the urban trunk road network and traffic congestion in new tier cities Xi’an, China. We adopted the DBSCAN algorithm to cluster POIs and use the mixed POI clusters to label the socio-economic functions of roads. We found the spatial heterogeneity of POIs on the trunk road network and identified the impacts of the scales and types of POI on road congestion based on the empirical analysis. Compared to the POIs as origin and destination of the trips, the POIs as stopover points of the trips cause significantly more road congestion. The POIs with bidirectional flows at entrances/exits are more likely to cause road congestion than the POIs with unidirectional flows. Moreover, the POIs with flexible traffic flows increase road congestion, while the POIs with predicted traffic flows have no statistically significant correlation with road congestion. The results help urban planners to plan the scale, type, and location of POIs close to roads and to optimize the socio-economic functions of roads and alleviate road congestion.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».