Station Area Planning and Parking Management in the Urban Core: Cases in Oakland and Berkeley
Notice bibliographique
Résumé
Planning for transit-oriented infill development often calls for adding new buildings, residents, and attractions within a quarter to half-mile radius of the station. This paper discusses planning and parking management research conducted for three station areas of the San Francisco Bay Area Rapid Transit District (BART), all located in older commercial districts. The research is based on interviews with key stakeholders, parking occupancy and turnover studies, counts, and surveys of users of the three station areas. This research provides insights into the complexities of managing parking in areas where off-street parking is limited and on-street parking is regulated in a variety of ways. The stakes are high in city centers and high density urban districts, as different constituent groups have conflicting views and recommended solutions on whether and how parking should be provided. Parking management in such areas cannot be handled in a one size fits all approach but must be tailored to the specific circumstances of each district. Opportunities for intervention include making better use of available parking on street, forming partnerships with private parking providers to share parking, and varying parking rates on a block by block basis to better distribute demand. Opportunities also arise for moving some parkers out of cars and into other modes such as transit, biking, walking. Managing parking thus entails not only the technical work of parking inventories, occupancy surveys, and price setting, but also a broader set of demand management strategies. In addition, the political work of managing interests and expectations is part of the process.
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 | 0,010 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,003 |
| 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 ».