Evaluating the spatial-temporal impact of urban nature on urban vitality in Vancouver: A social media and GPS data approach
Notice bibliographique
Résumé
Natural elements in urban environments enhance livability and health, strengthening urban vitality. However, existing research has primarily focused on physical indicators, with limited attention paid to the joint influence of behavioral and perceptual dimensions on urban vitality. To address this gap, this study integrates a spatiotemporal analytical framework encompassing three dimensions: natural elements, human perception, and activity diversity. Focusing on Vancouver, we utilized smartphone-GPS and social media data from 2018 to 2023 to explore temporal (weekdays vs. weekends) and spatial dimensions. Using machine learning techniques (Google vision, K-means and Sentiment analysis) on multivariate social media data, and we also analyzed changes in activity diversity over time. We assessed the multidimensional influences on urban vitality using the Geographically and Temporally Weighted Regression (GTWR) model. Our results show that during the pandemic, attention to nature and outdoor activities increased significantly, while cultural and social activities and transportation initially decreased but quickly recovered. Sentiment scores, natural elements, and human activity preferences significantly influenced urban vitality during COVID-19, with notable spatiotemporal heterogeneity. The pandemic intensified residents' reliance on natural spaces and green transportation, altering the spatial distribution of urban vitality. These findings provide a basis for optimizing natural spaces and sustainable transportation planning in future urban development. • Increased foces on natural spaces and green transport during COVID-19 altered urban vitality patterns. • Sentiment scores, natural elements, and activity diversity significantly impacted urban vitality, especially during the pandemic. • The need for future planning to prioritize natural spaces and green transport.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».