Effects of Urban Expansion on Transport Systems in Ondo Town, Ondo State, Nigeria
Notice bibliographique
Résumé
Ondo town has experienced a significant expansion in land use, which has influence on transport system. Thus, the study examined how urban expansion has affected transportation such as traffic congestion, travel times, transportation costs, how transport sector has benefited from the expansion, and how urban planning and policy interventions can mitigate the negative effects of urban expansion on transport system in Ondo town. Random sampling technique was employed to select 200 respondents with the minimum age of 18 years old for questionnaire administration within the stratified 10 quarters of the study area. Twenty copies of questionnaire were administered in each quarter, making 200. Four points Likert scale was used to acquire primary data on influence of urban expansion on transport system. While the study employed descriptive method for data analysis. The study revealed that most respondents (34%) commute to their workplaces by commercial motorcycles. The study also revealed that more than half of respondents (53%) strongly agreed that urban expansion in the study area has led to increase in traffic congestion. the study showed that majority of respondents (47%) agreed that expansion of land use in the city increased road crashes leading to injuries, defame and casualties. Despite these challenges, findings showed that 45% of respondents strongly agreed that urban expansion has increased accessibility to employment opportunities in transport sector. The study recommends that as cities grow and expand in land use, transport infrastructure should also be enhanced simultaneously such as installation of traffic management systems to manage traffic flow. Received: 5 April 2025 / Accepted: 20 April 2025 / Published: 10 May 2025
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 | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 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 ».