Barriers to car-free streets: Identifying opponents of pedestrianization in Montreal
Notice bibliographique
Résumé
Urban mobility has been dominated by motorized vehicles, posing many challenges related to the environment, citizens' health and safety, and traffic congestion. Pedestrianization (converting streets to car-free zones) is a practical strategy to reduce car dependency, promote active transportation, and enhance urban livability. However, many city residents and business owners have often opposed pedestrianization. Through a cluster analysis, this study examined opposition to pedestrianization in Montreal, Canada. To this end, an online survey was designed and administered. The collected data (1909 complete responses) was synchronized with five contextual data sources to form a large-scale dataset, including 121 variables. The results suggested that opposition to pedestrianization was associated with insufficient satisfaction with 2-wheelers/pedestrian cohabitation, attractiveness, urban furniture, cleanliness, and safety of pedestrianized streets. The supporters tended to change their travel behavior to spend more time in car-free streets, while opponents tried to change their route to avoid traveling in vehicle-free zones. The opponents included more non-cyclists, males, car owners, older people, and those living alone in neighborhoods with lower density. Opponents were more likely to be drivers and taxi users. This study highlights how pedestrianization can reduce motorized vehicle use while increasing active transportation. These insights can help policymakers address public concerns and create urban spaces that better accommodate all road users. • The opponents of pedestrianization in Montreal are investigated. • A new approach is introduced to compare clustering methods. • Affinity Propagation was the best-performing model. • Opponents and supporters of pedestrianization are compared.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 ».