Exploring the Associations Between the Visual Built Environment and Active Transport
Notice bibliographique
Résumé
Health Geography emphasizes the importance of place in shaping health. The built environment—the human-made physical environment for human activity and travel—is an important physical context in place. The built environment has been shown to impact health behaviors, including Active Transport (AT), which refers to physical activity during travel. AT has been shown to reduce the risk of chronic disease and is suggested to have the potential to make cities more sustainable. When engaging in AT, how people observe and evaluate the visual built environment (VBE) may affect their decisions to participate in AT. However, researchers face a challenge in collecting high-quality VBE data in support of large-scale AT studies. The dual availability of extensive street view imagery (SVI) and advanced scene understanding techniques presents the potential to collect high-quality VBE data on a large scale for AT studies. The overarching research question of this thesis is: How is the street view-derived VBE in travel associated with AT? This dissertation uses SVIs as well as individual health and mobility data to examine how the objective elements of the VBE are associated with AT. Results show that streetscape diversity (serving as a proxy to measure the overall design of VBE), road, and vertical greenness, are positively related to AT, while traffic light makes a negative association. Additionally, this dissertation uses SVIs and a human-audited SVI dataset to measure AT-related subjective perceptions. Results show that SVI-based perceptions can vary by gender, and model-predicted perceptions based on SVIs are close to onsite observed perceptions but still could not replace onsite perceptions. Through using SVIs, this dissertation not only elucidates the relationship between the VBE factors and AT, but also demonstrates the potential of SVIs to model human perceptions. Furthermore, this thesis provides scalable methods to study and enhance AT behaviors from the perspective of VBE. Findings also provide evidence to guide urban planning and policy in creating healthier, more sustainable cities by integrating features that promote AT and improving the understanding of large-scale human perceptions of VBE.
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 | 0,001 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,003 | 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) | 0,004 | 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 ».