Cross-border mobility: Rail or road? Space-time-lines as an evidence base for policy debates
Notice bibliographique
Résumé
Mobility and transport patterns in border regions are highly relevant topics, as these regions still tend to be areas of limited accessibility, embedded in complex political settings of transport policy. Moreover, the contemporary call for a transition to sustainable mobility applies also to border regions. Nevertheless, limited data availability and harmonization across borders hamper the debate. In this paper, we develop a methodological approach that builds on open-source data and allows for comparative analysis and visualization of cross-border mobility and accessibility. The key elements are “space-time-lines’, combined with an indexation approach. Our study aims to position the different means of transportation in border regions. More concretely speaking, we seek to answer three main questions: In which regional settings are rail or road connections quicker? Can we identify categories of accessibility patterns? How do domestic und cross-border accessibility relate? We respond to these questions with a rail and road accessibility analysis of German border regions from a comparative perspective. Our results show that (a) the catch-up process for cross-border accessibility is not yet complete and that (b) some regions show tunnel effects, as cross-border infrastructure improvements can bypass the border region in the local sense.
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 | 0,041 | 0,088 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,010 | 0,010 |
| Études des sciences et des technologies | 0,002 | 0,014 |
| Communication savante | 0,011 | 0,020 |
| Science ouverte | 0,003 | 0,005 |
| Intégrité de la recherche | 0,005 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 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 ».