Assessing the applicability of the 15-minute city: Insights from a spatial accessibility perspective
Notice bibliographique
Résumé
The concept of a 15-minute city proposes that residents should have access to all basic services within a short walking distance from their homes. However, most previous studies have focused on macro-level urban planning or land use configurations, while fine-grained, community-level evaluations that integrate actual travel constraints such as road network structures and the spatial distribution of service facilities remain underdeveloped. To explore the current state of the 15-minute city’s implementation at the community level and identify potential improvements, this study takes City of Toronto as an empirical case, and incorporates road network-based isochrones into an improved two-step floating catchment area model to calculate the spatial distribution of accessibility. A geographically weighted regression (GWR) model is used to analyze the impact of road network structure and the number of facilities on accessibility. The analysis results indicate that current urban infrastructure cannot meet the travel demands of the 15-minute city, particularly for walking. In the case of other “x-minute cities,” extending the travel time threshold is associated with improved accessibility in certain urban areas, but these benefits are limited to regions around service hubs, while accessibility in other areas tends to show a decrease in accessibility. This study offers recommendations for improving the 15-minute accessibility. Namely, if policymakers aim to encourage more residents to meet their daily needs within a 15-minute radius, a targeted increase in the number of facilities in specific areas is necessary. This is particularly crucial for pedestrians in suburban areas, where adding more facilities is essential to enhance accessibility. Lastly, in areas where facilities are lacking, the benefits of solely promoting walkable communities are limited to the urban environment, and encouraging cycling could be a more effective strategy.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| 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 ».