Making Transit King: An Analysis of The King Street Transit Pilot
Notice bibliographique
Résumé
This paper discusses the findings of quantitative and qualitative research on the initial impact of \na controversial transit pilot project which involved the redesign of a 2.6 kilometre stretch of King \nStreet in downtown Toronto. The project strictly regulated use of the area by private cars and \ninvolved a number of design initiatives to enhance the public realm for non-automobile users. \nImpacts on four stakeholder groups—transit riders, drivers, pedestrians, and business \nowners—were analyzed using quantitative data from the City of Toronto, and qualitative data \nobtained through more than 40 interviews with various stakeholders and professionals in \nToronto’s urban planning community. \nThis research finds that the initial impact of the King Street Transit Pilot has had a \npositive impact on transit riders and pedestrians. In terms of the impact on drivers and local \nbusinesses, the quantitative data shows that trends in average car travel times and consumer \nspending have remained consistent with trends established prior to the pilot being implemented. \nHowever, the qualitative data obtained from the interviews is less conclusive and revealed that \nsome businesses are reporting a decline in revenue during the pilot phase. Due to a variety of \nexternal factors identified in this paper, further research is required to determine if there is a \ncorrelation between a decline in revenue reported by some businesses and the pilot project. What \nthe data clearly shows is that overall, the King Street Transit Pilot has had a positive impact on \ntransit riders and pedestrians, and an insignificant impact on drivers and local businesses. In sum, \nthis research contributes to the well-established body of academic literature that addresses the \ncomplex mobility and congestion issues currently facing cities around the world.
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 | 0,004 | 0,014 |
| 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 | 0,005 | 0,004 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 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 ».