The Effects of Weather on the Current and Future Ridership of Urban Cycling in North America Cities Considering a Changing Climate
Notice bibliographique
Résumé
Le travail présenté analyse l'influence des conditions météorologiques sur la demande de cyclisme urbain en suivant deux objectifs : 1) étudier l'impact des conditions météorologiques et de la demande de vélos à l'aide de modèles de séries temporelles et 2) effectuer une analyse climatique pour estimer la demande de vélos en 2050 selon différentes projections de modèles climatiques. Pour le premier objectif, la méthodologie proposée a caractérisé la dynamique temporelle des profils de fréquentation quotidiens et hebdomadaires, identifié les tendances des modèles utilitaires et déterminé les tendances de la fréquentation d'une année sur l'autre tout en contrôlant l'influence des variations météorologiques. Les données historiques des comptages de cyclistes et des conditions météorologiques enregistrées pendant 12 ans sont utilisées pour calibrer les modèles. Dans le deuxième objectif, l'auteur a estimé le profil annuel de la demande de cyclistes pour 2050 sur la base des projections climatiques futures suivant différents scénarios d'émissions. À cette fin, un modèle Extreme Gradient Boost (XGBoost) a été entraîné à l'aide des comptages historiques et des conditions météorologiques mesurées afin de prédire les comptages quotidiens attendus pour l'année à venir. Les résultats montrent une sensibilité significative aux conditions météorologiques et une tendance à l'augmentation constante du nombre de cyclistes à Montréal, qui a bondi pendant la pandémie de COVID-19, de nouveaux utilisateurs ayant adopté le vélo pour leurs déplacements quotidiens ou leurs loisirs. En ce qui concerne l'avenir, les prévisions utilisant différents scénarios climatiques produisent une augmentation de la demande de bicyclettes au cours des mois de mars, avril et novembre. Cependant, les prévisions ont montré une diminution des comptages pendant les mois d'été en raison des températures extrêmement élevées, dessinant une réduction annuelle de la demande de cyclistes dans les scénarios à fortes émissions. Les résultats de ce travail pourraient aider à planifier et à adapter de meilleures infrastructures et de meilleurs services pour les cyclistes en tenant compte du changement climatique
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 | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».