The cost of climate change: A generalized cost function approach for incorporating extreme weather exposure into public transit accessibility
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Public transit offers urban populations physical accessibility to resources and opportunities. However, at the same time, transit trips often expose users to extreme environmental conditions, such as extreme heat and cold since transit journeys usually include out-of-vehicle trip segments including walking and waiting. Such exposure can be considered as environmental health costs because exposure to weather extremes can lead to adverse health outcomes. Even worse, climate change is increasing the intensity and frequency of extreme weather events. In this context, how can we make public transit accessibility measures ready for climate change? This paper attempts to answer this question by developing a generalized cost function approach combining travel time and environmental health costs into an integrated measure of dual accessibility: a measure of the travel costs of accessing a fixed number of destinations. We synthesize transport science, environmental health, remote sensing, and urban climatology to empower the proposed framework. To demonstrate the utility of the proposed method, we carry out an example study that incorporates transit passengers' extreme cold exposure into accessibility measures in the city of Winnipeg, Manitoba, Canada. Further, we perform a social equity analysis to investigate whether the increase in total integrated costs (i.e., decrease in accessibility) due to the inclusion of environmental health costs disproportionately affects socially disadvantaged population groups. The proposed method enables a more realistic and practical measurement of public transit accessibility under climate change; thereby, improving the readiness and resilience of our society and transport systems for future challenges.
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.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découle