Case Studies on Travel Behavior Data Collection in Metropolitan Regions - Briefing Note
Notice bibliographique
Résumé
A large number of people have been gathering in and around the cities. Transport infrastructure provision and land-use regulations cause cities to expand towards their outskirts creating urban sprawl (Blair, 1995; Priemus et al., 2001) and convert rural areas into peri-urban areas (OECD-CRDF, 2010). So, understanding how the burden caused by the low-density urban expansion affects the entire metropolitan area is important. \nWe focused on household travel surveys to investigate travel behavior of the residents in the metropolitan areas. It was a time consuming process to examine who builds up what kind of travel behavior data and how to reach the raw data. Thus, we decided to make this briefing note roughly dealing with the comparisons of the travel behavior data of the following 5 metropolitan areas at a framework level in this cycle. \n●\tMontreal Metropolitan Area (Canada-Quebec) \n●\tPrague Metropolitan Area(Czech Republic) \n●\tMetropolitan City of Bologna (Italy) \n●\tCity of Cape Town (South Africa) \n●\tSeoul Metropolitan Area (South Korea) \nWe analyzed the five case studies by comparing the details of their survey formats and contents. Specifically, we looked at their survey history, authority, the scope of the spatial area, schedule, traffic analysis zone (TAZ) design, sample rate, interview methods, legal frameworks, and microdata availability. To choose the criteria to compare, we tried to understand the similarities and differences between the surveys and reviewed the literature on interview-based travel behavior surveys. \nFrom our comparative analysis, we found suggestions for the authorities interested in travel behavior surveys development. The suggestions are about 5 points: 1) survey coverage wider than the metropolitan area, 2) legal framework to ensure interoperability and persistency of the survey, 3) compatibility between TAZ and the administrative units (i.e., census tract, ward or district), 4) openness to the new transport modes (i.e., shared modes of transport, autonomous and connected vehicles) and 5) openness to the new survey technique (i.e., GPS, crowdsourcing). We expect that these suggestions would be valuable guidance for the Iow- or middle-income countries (LMICs) to design and implement the travel behavior survey. We also suggested PIARC to assist these efforts by establishing a transport database and global indicators to measure accessibility and mobility of metropolitan regions.
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 | 0,014 | 0,027 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,009 |
| Études des sciences et des technologies | 0,004 | 0,002 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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.
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 ».