MétaCan
Menu
Retour à la cohorte
Enregistrement W4406195501 · doi:10.1016/j.trpro.2024.12.201

Which businesses are for and against “pop-up” cycleways: the case of Brisbane's CityLink Cycleway

2025· article· en· W4406195501 sur OpenAlexfundno aff
Abraham Leung, Tiziano Pavanini, Matthew Burke, Xuna Zhu, Henry Trembath, Sophie Gadaloff

Notice bibliographique

RevueTransportation research procedia · 2025
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueUrban Transport and Accessibility
Établissements canadiensnon disponible
Organismes subventionnairesBrisbane City CouncilRyerson UniversityMitacsToronto Metropolitan University
Mots-clésBusinessTransport engineeringAdvertisingEngineeringMarketing

Résumé

récupéré en direct d'OpenAlex

COVID-19 accelerated “pop-up” cycleway initiatives in cities across the world, which are often contentious for the business community in affected streets and neighbourhoods. Brisbane converted parking lanes to form the CityLink Cycleway in its central business district. While the project was positively received overall, there was vocal business opposition, primarily on the grounds of loss of parking and loading bays. A set of field surveys collected 303 valid responses: 44 from businesses, 247 from customers, and 10 from delivery workers. The results show businesses erroneously perceive customers’ travel modes, overestimating car usage, and underestimating the mode and expenditure share of customers who walk, use public transport, or ride bicycles or powered mobility devices. Customers and delivery workers had more positive responses about the cycleway, while businesses expressed mixed reactions. Retailers had a less accurate picture of their customers' modes of travel, than those running restaurants and cafés, as did business owners/managers who drove to work. Respondents’ suggestions for city centre access improvements were mixed, especially regarding crowding. The overall positive responses captured by the study demonstrate there is a strong case to retain the CityLink Cycleway longer-term. However, there are concerns from businesses and other users regarding loading bays.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,175
Score d'incertitude au seuil0,835

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,068
Tête enseignante GPT0,413
Écart entre enseignants0,345 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTransportation research procediaMême sujetUrban Transport and AccessibilityTravaux en français237 207