How does the spatial scale impact accessibility analysis and equity? The case of accessibility to supermarkets in Montreal
Notice bibliographique
Résumé
In place-based accessibility analyses, larger spatial scales, such as census tracts or traffic analysis zones, are often chosen for their practicality and ease of data management. However, larger spatial scales can introduce errors or biases, a phenomenon commonly known as the Modifiable Areal Unit Problem (MAUP). Although MAUP has been addressed in accessibility studies, most compare biases between larger spatial scales and do not use building lots as the reference unit. In this paper, we consider building lots to be the smallest unit of analysis for transport and urban planning. Those that do often fail to estimate the direction and magnitude of overestimation or underestimation or quantify and identify which population groups are most affected. This paper addresses this gap by quantifying the misestimation of accessibility to supermarkets in Montreal, using the cumulative opportunities measure and time to the nearest amenity, by comparing residential building lots with dissemination blocks, dissemination areas, and census tracts. We also measured the cumulative opportunities using three spatial approaches: centroid-to-centroid within census geographies, centroid-to-amenity, and average accessibility. We found that the larger the spatial scale, the higher the misestimation. Census tracts (CTs), the larger spatial scale, show a mean overestimation of 132 % to 154 %, dissemination areas (DAs) range from 111 % to 136 %, and dissemination blocks (DBs) range from 99 % to 131 %. Overestimation affects 14–54 % of dwellings in census tracts, 9–47 % in dissemination areas, and 5–46 % in dissemination blocks, depending on the mode of transport. The centroid-to-amenity generally performs the best in terms of misestimation, and we found mixed results across income groups. These findings can inform decision-makers about the importance of using small spatial scales and optimal approaches to minimize bias and improve city resource allocation.
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 | 0,005 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 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 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 ».