Zoning In on Transit-Oriented Development
Notice bibliographique
Résumé
Problem, research strategy, and findings Transit-oriented development (TOD) has been widely encouraged as a strategy to limit urban sprawl, increase urban density, and enhance neighborhood diversity. Federal and regional governments have been increasingly promoting such TOD in parallel with light rail transit (LRT) projects to foster sustainable transitions. Little is known, however, about the processes through which municipalities have made changes to existing land use regulations to achieve TOD goals. In this article we trace changes in municipal plans and bylaws surrounding a CA$7 billion LRT in Montréal (Canada) that opened in summer 2023, 7 years after its announcement. Specifically, we analyzed whether changes in municipal bylaws conformed to TOD plans recommended by the metropolitan government while exploring local barriers to zoning reform. Through policy and spatial analysis, we found that only a limited number of municipalities made sufficient bylaw changes between 2016 and 2022 to support TOD plans aimed at implementing mixed-use zoning, increasing urban density, and reducing parking ratios. Through an analysis of rezoning processes, we see an opportunity for improved multilevel cooperation, public engagement activities, and positive communication strategies in the process of building integrated transport and land use systems.Takeaway for practice These findings can aid planners and policymakers in understanding the importance of reforming municipal zoning bylaws and regional approaches to TOD, strengthening collaboration between different levels of government, and engaging in meaningful public consultation practices to foster an integrated transport and land use approach. If LRT projects are to be successful in meeting sustainability goals, greater engagement with land use regulations across multiple scales is needed to facilitate TOD.
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 | 0,004 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,011 |
| Études des sciences et des technologies | 0,005 | 0,013 |
| Communication savante | 0,008 | 0,007 |
| Science ouverte | 0,002 | 0,007 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,015 | 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 ».