Sustainability of rapid-transit expansion in large metropolitan areas: Gaps and solutions for decision-making improvement
Notice bibliographique
Résumé
Focusing on sustainability, this paper explores the decision-making process adopted in the Greater Toronto Area (GTA) for delivery of rapid transit projects. The GTA represents the largest Canadian metropolitan area operating under democratic principles similar to other democracies across the globe. The term “public sector” in this context includes all government levels—municipal, provincial, and federal—and their agencies, which collectively utilize taxpayer funding to deliver essential public services. This study consolidates the evolution and outcomes of a 30-year decision-making process by compiling open-source internet data into two specialized databases. The analysis indicates that, over the last three decades, rapid transit projects have experienced steadily increasing delivery timelines and costs. These trends correlate with a slow expansion of rapid transit networks, averaging only 0.7–1.6 km/year across Canada. Notably, in the GTA, the average project delivery timeline has extended from 7 years to 12 years since the year 2000, while costs have escalated fourfold. Additionally, construction costs for water and wastewater pipelines and tunnels have risen by up to a factor of 20 relative to historical values. In response to these unsustainable trends, this study proposes a novel decision-making framework to evaluate the sustainability of rapid transit alternatives. The framework addresses the absence of comprehensive project planning tools that compare horizontal routes, vertical alignments, and feasible construction methods. By offering a systematic approach to select the most sustainable rapid transit solutions, this framework is particularly beneficial for large metropolitan areas experiencing rapid urbanization and a pressing need for long-term sustainable infrastructure. Furthermore, its adoption modernizes an outdated decision-making paradigm rooted in the 20th century, advancing toward a more sustainable, integrated approach for each public sector decision.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,036 | 0,042 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,005 | 0,007 |
| Études des sciences et des technologies | 0,006 | 0,008 |
| Communication savante | 0,019 | 0,017 |
| Science ouverte | 0,004 | 0,008 |
| Intégrité de la recherche | 0,004 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».