Can transit and spatial planning synergy work at the regional scale? understanding metropolitan transit-oriented development planning and its challenges in the Canadian city-regions of Toronto, Montreal and Vancouver
Bibliographic record
Abstract
Le développement en fonction des transports collectifs ou TOD (Transit-Oriented Development) promeut la durabilité urbaine en orientant le développement urbain vers les lignes de transport en commun. Cet outil a fait l’objet de nombreuses recherches, mais rarement dans une optique de planification métropolitaine. Une étude de ce type est nécessaire pour évaluer le TOD dans les régions de Toronto, Montréal et Vancouver, alors que celles-ci essaient de créer une synergie entre la planification spatiale et la planification des transports. Pour que cette synergie réussisse, il faut qu’un certain niveau de consensus soit atteint entre divers organismes publics et qu’un certain niveau de conformité soit atteint entre les plans locaux et métropolitains. En conséquence, ce projet de recherche examine les approches utilisées en planification TOD au niveau métropolitain pour promouvoir le consensus et la conformité, ainsi que les contextes, mandats, principes et progrès de cette planification dans les trois régions urbaines. Il utilise pour cela une revue de plans et autres documents, des données statistiques sur le développement et une série d’entrevues avec des professionnels. L’analyse en profondeur d’outils utilisés pour promouvoir le TOD et d’un nombre d’études de cas municipales montre la complexité des systèmes et processus de planification dans chaque région. Des facteurs contextuels sont inhérents aux pratiques régionales dans la recherche de consensus et de conformité. Toutefois, la planification TOD dans les trois villes-régions est fortement définie par la force du mandat officiel qui autorise la planification du développement et des transports collectifs au niveau métropolitain et par la réciprocité des engagements entres les agences et organismes publics de divers niveaux de gouvernement et de divers secteurs. Le but de la recherche est de donner aux urbanistes et aménagistes une meilleure compréhension des politiques et plans en matière de TOD, en espérant qu’il saurant adapter ces enseignements au contexte métropolitain qui leur est propre.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.007 |
| Science and technology studies | 0.007 | 0.010 |
| Scholarly communication | 0.012 | 0.003 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.016 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".