3D walking accessibility in practice: exploring the imperfections from data, method, and assumptions of human-space interaction
Notice bibliographique
Résumé
Current accessibility measures predominantly focus on motorized transport and 2D space. Limited studies have explored the operationalization and errors of 3D accessibility. This study contributes to the ontology of imperfection in modeling morphology-sensitive walking accessibility. We computed the accessibility to healthy food, considering different combinations of node-snapping processes (2D vs. 3D), transport infrastructures, cost functions (slope-unaware vs. least-time vs. least-effort), and trip orders (outbound first vs. inbound first). Findings showed that conventional 2D routing underestimates travel time by at least ∼1.5 minutes and ∼2 minutes for 50% of the population compared to the least-time and least-effort 3D routings. Besides, the process of connecting the location (2D vs. 3D) to the network can generate unrealistic trips to unrealistic places that can over or underestimate travel costs. Last, with least-effort routing, the difference between inbound and outbound round trips is greater than one minute for at least 8.37% of the population, reflecting the deficiency of using outbound trips or their round trip to accurately assess the access situation. Our findings identified spatially varied errors modulated by different combinations and interplay of data, methods, and the assumption of human-space interaction, highlighting the importance of a context-and-place-specific methodology to avoid the one-size-fits-all analytical framework.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,007 |
| 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 ».