Exploring the role of the built and natural environment in encouraging active travel for different trip purposes in Montreal
Notice bibliographique
Résumé
Transportation research has extensively examined the influence of both the built and natural environment on active travel. While most studies assume linear relationships, some evidence indicates that this might not always be the case. This paper addresses this by identifying the nature of the relationship between the built and natural environment (BNE) and active travel (AT) across several trip purposes: school, shopping, work, and leisure trips in Montreal, Canada. We also identify areas with low and high potential for active travel. Using Generalized Linear Models with the Tweedie family and including a spatial lag covariate, we found that the relationship between BNE and AT is not always linear. In some cases, higher access levels to sidewalks, bike lanes, walkable destinations, and transit stops, constantly increase AT but with cubic or logarithmic relationships. Other variables, such as dwelling density, intersection density, park access, tree coverage, industrial diversity, and proximity to water bodies, also encourage active travel but only up to a certain threshold, beyond which further increases do not increase AT, and in some cases, can lead to a decline, forming an inverted "U" relationship. These relationships vary across trip purposes. Central areas in Montreal show the best potential to support active travel, while the rest of the city displays low levels of support, depending on the trip's purpose. The findings highlight the importance of accounting for non-linear relationships, as improvements in the BNE do not always translate into higher levels of active travel.
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 ».