Summary The BART system, built in the San Francisco Bay Area in the 1960s, was the first regional rail
Notice bibliographique
Résumé
system to be built in the U.S. in more than 50 years. Since then, urban rail systems have been completed in ten cities on the West Coast and in Vancouver, Canada. These cities have had varying levels of success in attracting transit-oriented development (TOD). Seattle can learn from these experiences, so it does not repeat mistakes others made and takes advantage of opportunities presented. To understand more about what tools work best, this paper presents detailed case studies of representative transit-oriented development projects throughout North America. Lessons from these case studies and the implications for Seattle are discussed. These lessons will help evaluate what actions makes most sense for the city and its neighborhoods. The twelve cases of transit-oriented development were selected because they represent comparable light rail station types and/or physical settings or because certain types of implementation tools were used to make transit-oriented development happen. In looking for comparable examples of transit-oriented development in North American cities, specific station area characteristics were evaluated: whether the station is underground, at-grade or elevated, how many people use the station, surrounding urban form and land use, and what other transportation connections is provided. The cases selected provide valuable insights that will help the City ensure that station area plans meet the City’s goals and avoid the mistakes that have limited transit-oriented development elsewhere. CASE STUDIES This analysis of TOD case studies looks at a variety of transit operators, cities, and station types throughout North America. Although the case studies make reference to many exemplary station-area projects within the transit corridors served, the following stations are reviewed in the most detail:
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 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,020 | 0,002 |
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 ».