Enhancing walkability/rollability audit tools to address qualitative measures for accessibility
Notice bibliographique
Résumé
As accessibility legislation and active transportation policy become more prevalent across the country, Canadian municipalities will need a tool to evaluate walkability/rollability as a vital component of accessibility in the built environment. Existing walkability indices often overlook qualities of street infrastructure—such as curb cuts and shading—in part due to the labour- or computation-intensive data collection processes required. We piloted a method of evaluating two factors of street quality identified as important for accessibility—curb cuts and shading—as part of neighbourhood-level walkability/rollability assessment in Halifax, Canada. We rated a sample of over 2000 road segments using Google Street View (GSV). Then, we identified areas with highest need of walkable/rollable infrastructure by cross-referencing the average neighbourhood-level scores and concentration of older adults and children. Lastly, we calculated the walkability scores based on a conventional method with and without the two factors for comparison. Curb cut quality was generally low across the neighbourhoods, including some newer suburbs. Shade scores were higher in more established neighbourhoods with more mature tree canopies, as expected. Addition of the two factors had a notable effect on the scoring for several neighbourhoods, suggesting that some neighbourhoods may be lower-performing (i.e., less walkable/rollable) than the conventional scores would suggest. The rating provided a more thorough picture of neighbourhoods in need of walkable/rollable infrastructure improvement. Our methodology can be a cost- and time-effective way to collect data required to monitor the progress on accessibility in the built environment that municipalities may adopt. • Conventional walkability tools often overlook the needs of people with disabilities, older adults, and children. • GSV audits are a practical option to assess accessible pedestrian infrastructure. • The addition of qualitative data had a notable effect on conventional walkability scoring methods. • This method requires careful consideration of variable choice and geography. • GSV audits are a cost-effective data collection method that could help cities monitor accessible pedestrian infrastructure.
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 | 0,020 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 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 ».