MétaCan
Menu
Retour à la cohorte
Enregistrement W593897669

The Toronto Metro: History, Demand, Performance

2011· article· en· W593897669 sur OpenAlexaboutno aff
B Hemily, Sybil Derrible

Notice bibliographique

RevueTransportation Research Board 90th Annual MeetingTransportation Research Board · 2011
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueTransportation Planning and Optimization
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTRIPS architecturePopulationMetropolitan areaTransport engineeringTrack (disk drive)Work (physics)GeographyBusinessEngineeringDemography
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

From a small 7.4 km line with 12 stations in 1954 to full network of four lines, 69 stations and close to 70 km of track length today, the Toronto metro has become an integral part of the city's transportation system; in 2008, it carried more than 200 million passengers (number of fares collected). The goal of this paper is to offer review of the Toronto metro by looking at its history, demand, and performance. First, the authors find that ridership and operations have increased relatively similarly from 1967 to 1990 at about 4.3%; after a decrease in the 1990's, ridership now increases by 2.59% annually on average. Nevertheless, despite this increase in ridership, transit mode share has remained around 22% in the past 25 years due to a strong growth in population. Demand seems to be more acute at stations located within the Central Business District and at stations located close to neighboring municipalities, which is reflected by the fact 69% of trips are home-work/school trips. Compared to its North-American peers, and despite a relatively small track length, the Toronto metro is performing quite well when looking at various characteristics and indicators. Overall, the Toronto seems to have performed well to date; nevertheless it will likely need to be expanded significantly in the new future to accommodate the forecasted substantial growth in population.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,119
Score d'incertitude au seuil0,240

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,009
Études des sciences et des technologies0,0010,001
Communication savante0,0030,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0080,001

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 Opus0,097
Tête enseignante GPT0,373
Écart entre enseignants0,275 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

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

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
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTransportation Research Board 90th Annual MeetingTransportation Research BoardMême sujetTransportation Planning and OptimizationTravaux en français237 207