Developing a 15-minute city policy? Understanding differences between policies and physical barriers
Notice bibliographique
Résumé
The concept of a x-minute (or 15-minute) city has recently gained prominence as an influential urban planning approach. Recent research showed how American, Canadian, and Australian cities operationalized the concept differently using diverse temporal cut-off values and types of destinations. Despite this, there has been little effort to understand how different 15-minute city policies are comparable, and to what extent physical elements in cities can affect realizing the concept. To address this gap, this study aims to understand parallels and differences between these policies while understanding the impacts of the city’s structuring elements on the probability of achieving them. Using a wide array of spatial and transportation data for the City of Saskatoon, the paper develops five different 15-minute city policies based on four different city plans at the parcel level. Using summary statistics and multilevel logistic regressions previous policies were analyzed. The study shows considerable differences between policies in terms of the conclusions they convey. For example, different policies led to diverse results regarding their relationship with people’s socioeconomic issues, and thereby equity assessment. Additionally, the study shows that some physical elements such as highways, large parks, and rail lines have a consistent negative impact on the probability of realizing 15-minute city goals, regardless of the used policy. Other elements had a mixed effect according to the used policy. This study offers cities a better understanding of the performance of different 15-minute city policies and the relative challenges in realizing them, helping cities achieve their broader sustainability and equity goals.
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 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 | 0,003 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».