Measuring the Exposure and Vulnerability of Transit Riders to Cold Temperatures in London, Ontario
Notice bibliographique
Résumé
Due to the expansion of suburban areas in many cities around the world, accessibility to public transit through walking has become a new challenge for riders. Considering the impacts of climate change in creating more extreme weather, such as extreme cold, heat, or flooding, transit riders may thus be at a higher risk of exposure for various weather-related illnesses (Fraser & Chester, 2016).\nUsing ArcGIS Pro and ArcMap software, and data collected from City of London’s Open Portal, the United States Geological Survey, Open Mobility Data, and Statistics Canada, the exposure and vulnerability of transit riders to cold temperatures in London were calculated and visualized. This was done by measuring the walking distance from the center of postal codes to the three closest bus stops, and thereafter calculating the average land surface temperature along the respective route. The analysis excluded areas where the average distance to the closest stop was beyond 800 meters, since it be would unlikely for an individual to walk longer distances to access public transit (Fraser & Chester, 2016). The information was then amalgamated and averaged to the dissemination area scale in order to standardize the neighbourhoods to match census tracts.\nThe cold exposure index was then calculated by multiplying the average walking time to the closest bus stop with the average absolute value of the land surface temperature of the respective route. A walking speed of 4.7 km/h, consistent with the average human walking speeds, was selected for the analysis.\nLastly, the median total income and visible minority population data within private households in each neighborhood in London were collected and visualized using the 2016 national census to discern any equity implications related to the vulnerability of riders.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».