A data-driven complex network approach for planning sustainable and inclusive urban mobility hubs and services
Notice bibliographique
Résumé
New mobility services that facilitate multimodal options are important for strategic urban transport systems planning. Part of this strategy is municipal investment in urban mobility hubs to increase access to mobility services. We present a new evaluation framework and algorthim to locate and assess the sustainability and equity impacts of hubs in cities. Scenarios are used to evaluate hub investment strategies in different cities that prioritize (1) current mode split, (2) high transit capacity, and (3) multimodal services. From an equity perspective, high transit capacity and multimodal hub strategies include more low-income areas than current mode split, which covers middle-income areas most. Travel times to access the nearest hub in Portland by low-income households is ∼20–40 min compared to high-income households requiring ∼25–30 min. Seattle and Vancouver perform better requiring ∼15–20 min for low-income compared to ∼25–35 min for high-income households. Multimodal hubs are the most efficient requiring ∼15–20 minutes to reach compared to ∼15–30 minutes for high capacity and current mode split scenarios. From a sustainability perspective, ∼10%–50% of the population cannot reach a hub within 30 minutes by public transit compared to <10% by car, and travel time to reach the nearest hub in all three cities by car is <20 min compared to ∼20–40 min by public transit. Between all cities, low-income households representing ∼2%–15% of the total population have no access to a hub by public transit within 30 min compared to high-income households representing ∼1%–3% of the total population. Only in Portland are there low-income households not able to reach a hub by car, and in each city, all high-income households can reach at least one hub by car within 30 min. Our results show how municipalities can strategically invest in public transit and multimodal options to increase the frequency, quality, and overall mobility for low- and medium-income households and improve access to essential amenities for more vulnerable citizens. Municipalities can use our hub evaluation framework to explore alternative transport investment scenarios and spatially locate urban hubs to meet future travel demand, increase adoption of multimodal services, and improve equitable access for all citizens.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,003 | 0,016 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».