Comparative parameters of travel behavior in medium-sized cities (Case study: Bandung, Indonesia, and Kuantan, Malaysia)
Notice bibliographique
Résumé
The analysis of travel behavior constitutes a fundamental component in urban transportation studies. This study examines Bandung, Indonesia, and Kuantan, Malaysia, as representative medium-sized cities with distinct road network typologies: radial-concentric in Bandung and corridor-based in Kuantan. A systematic literature review was employed to identify ten parameters of travel behavior, which were further evaluated using descriptive comparison, SWOT analysis, and radar chart visualization. The findings indicate that Bandung’s transport system is primarily dominated by paratransit and ride-sourcing services, which provide substantial flexibility and local accessibility. However, the system is constrained by weaknesses in reliability, comfort, safety, and integration with formal modes. In contrast, Kuantan demonstrates relative strengths through its formalized bus system (Rapid Kuantan), which ensures standardized fares, higher comfort levels, and improved safety, although challenges remain in terms of flexibility, last-mile connectivity, and schedule adherence. SWOT analysis underscores complementary opportunities, with Bandung requiring formalization and digital integration of paratransit, while Kuantan could enhance adaptability through feeder and microtransit services. The radar chart highlights a trade-off between flexibility and service quality, confirming that medium-sized cities must balance these dimensions. Overall, the study develops a transferable ten- parameter framework for comparative assessment of travel behavior, contributing to transport planning strategies in rapidly urbanizing contexts.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,003 |
| 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 ».