Modeling the Impact of Urban Land Use Characteristics on Road Network Accessibility in a Case Study of Addis Ababa City
Notice bibliographique
Résumé
Rapid urbanization in emerging nations such as Ethiopia encourages participants in the area to consider the sustainability and balanced growth of metropolitan centers from a variety of angles and to offer suitable solutions. This study aims to comprehend how urban land use influences the efficiency and connection of road networks, which in turn affects how accessible different parts of the city are, to determine the influencing factors and critical indicators that enable a systematic categorization of subcity accessibility from the perspectives of urban land use. Geographic information system (GIS) techniques are used to gather and analyze precise geographical data on road networks, land use patterns, and other pertinent properties. In addition, a regression model is created to measure the effect of land use features on the accessibility of the road network. The primary questionnaire data are used to estimate the current situation of road accessibility and are used in the study validation process. This research has incorporated qualitative and quantitative approaches to sustainability. The findings imply that residential areas are 90% significant in making transport along the city, and 98% of the accessibility of the road network is dependent on land use features, including road density and subcity areas. Among the subcities, Bole, Kirkos, and Arada have 87% road network accessibility and better access to public transportation. Overall, these techniques emphasize the value of spatial analytic tools in planning procedures to better comprehend and control the intricate relationships between transportation and land use dynamics and to assist in the sustainable design and growth of cities.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».