MétaCan
Menu
Retour à la cohorte
Enregistrement W4406227867 · doi:10.1016/j.trpro.2024.12.133

High Speed Railway and its Urban Growth Implications: Public Perception about Factors Inducing Urban Development

2025· article· en· W4406227867 sur OpenAlexfundno aff
Omkar Deepak Karmarkar, Arnab Jana, Nagendra R. Velaga

Notice bibliographique

RevueTransportation research procedia · 2025
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueUrban Transport and Accessibility
Établissements canadiensnon disponible
Organismes subventionnairesMitacs
Mots-clésTransport engineeringPerceptionUrban planningBusinessEnvironmental planningEngineeringPsychologyEnvironmental scienceCivil engineering

Résumé

récupéré en direct d'OpenAlex

High Speed Railway (HSR) significantly reduces inter-city travel times; hence, it has large-scale implications on urban growth. Many developing countries, like India, are looking forward to constructing HSR. However, the urban growth impact of HSR in these countries will differ from the developed world, requiring newer urban planning methods. Considering public opinion is pertinent for participatory planning. The study analyses factors of an HSR city's urban growth as perceived by ordinary citizens. The rank analysis of the data collected from a questionnaire survey shows that Indians are more concerned about basic amenities than facilities for leisure purposes. Connectivity to HSR stations by metro and proximity to transit stations were the most critical factors for residential growth. Contrary to planners’ view, the multi-functional high-rise commercial development of an HSR station building was perceived as the least important factor for urban growth. Significant differences in the perception among different socio-economic groups were also observed. This study reveals the similarities between the public perception in a developing country and the empirical evidences from developed countries. Also, it highlights the importance of understanding public perception about the effects of transit on urban development.

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)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
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 enseignants0,068
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
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 Opus0,092
Tête enseignante GPT0,386
Écart entre enseignants0,294 · 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.

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

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTransportation research procediaMême sujetUrban Transport and AccessibilityTravaux en français237 207