MétaCan
Menu
Retour à la cohorte
Enregistrement W7098885883

Pricing in Canada

2016· article· en· W7098885883 sur OpenAlexaboutno aff

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePlant Ecology and Taxonomy Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTollRoad pricingSingapore Area Licensing SchemeCongestion pricingRevenueTraffic congestionTransport economicsKilometer
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

When it opened to traffic in 1997, Highway 407 in Toronto became the world’s first all-electronic, barrier-free toll highway, charging tolls based on vehi-cle type, distance driven, time of day, and day of week. But no comparable highways have been established in Canada since then. Of the 415,600 lane-kilometers of paved public roads in Canada, only 385 kilometers are tolled.1 Except on Highway 407, the tolls do not vary over time, and no area-based road-pricing scheme exists. Moreover, Highway 407 is privately owned and operated. Road pricing as a tool for internalizing congestion or other traffic-related exter-nalities has therefore not proceeded far in Canada, which lags behind the United States and a number of countries in Europe and Asia with respect to pricing. This paper assesses the prospects for urban road pricing in Canada, focus-ing on the role of road pricing for congestion relief rather than environmental benefits or revenue generation, although revenue generation is given some attention.2 Because congestion pricing has not been implemented anywhere in Canada and detailed plans have not been developed for any city, the possibilities are relatively wide open. The concept of an optimal implementation path for road pricing has been discussed in the literature, but no general and comprehensive rules have yet been established and it is clear that prescriptions must be tailored to city-specific circumstances and opportunities. Not surprisingly, the case for urban road pricing appears to be strongest in Canada’s three largest cities: Toronto,

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,141
Score d'incertitude au seuil0,996

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,005
Études des sciences et des technologies0,0100,002
Communication savante0,0080,002
Science ouverte0,0010,002
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0330,002

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.

Tête enseignante Opus0,013
Tête enseignante GPT0,143
Écart entre enseignants0,130 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetPlant Ecology and Taxonomy StudiesTravaux en français237 207