MétaCan
Menu
Retour à la cohorte
Enregistrement W4415371177 · doi:10.5194/ica-adv-5-15-2025

Urban Planning Analysis Using Stereo Mapping Feature Collection

2025· article· en· W4415371177 sur OpenAlexaffabout
Filip Janicijevic, Sinisa Vukicevic

Notice bibliographique

RevueAdvances in Cartography and GIScience of the ICA · 2025
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueRemote Sensing and Land Use
Établissements canadiensLangara College
Organismes subventionnairesnon disponible
Mots-clésMetropolitan areaGeospatial analysisUrban planningFeature (linguistics)Perspective (graphical)PopulationFocus (optics)

Résumé

récupéré en direct d'OpenAlex

Abstract. Metro Vancouver is Canada's third most populated metropolitan region, with the prospect of reaching 4 million people in the mid-2040s, according to recently published population projections. Metro 2050, The Regional Growth Strategy, highlighted regional urban centres as the priority locations for services and amenities that support a growing population. The focus of the growth to urban centres means an essential change of centres' urban form towards higher density and their "vertical growth". The stereo mapping feature collection method has been applied to capture urban centres' morphology change. Detailed buildings in 3D from stereo mapping were analyzed from the perspective of change in building height, lot coverage and floor area ratio. This paper will provide insights into the stereo mapping feature collection, geospatial analysis and modelling to support regional policymaking. Stereo mapping in urban planning allows us to transition from traditional 2D regional planning into 3D regional planning and gives us a new perspective on how our cities develop.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,032
Score d'incertitude au seuil0,219

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,004
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,009
Tête enseignante GPT0,246
Écart entre enseignants0,237 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAdvances in Cartography and GIScience of the ICAMême sujetRemote Sensing and Land UseTravaux en français237 207