Gestion du marquage routier : analyse des acquis et perspectives pour le Québec
Notice bibliographique
Résumé
La sécurité des usagers de la route figure parmi les priorités du ministère des Transports du \nQuébec (MTQ). Dans ce cadre, le maintien de la visibilité du marquage routier en tout temps et \nsous toutes les conditions climatiques est bien évidemment primordial. L’amélioration de la \nsignalisation horizontale et de sa gestion s’avère donc être une composante essentielle du \nservice offert par l’administration routière aux usagers de la route. \nLa Direction du soutien aux opérations a octroyé un mandat de recherche à l’École de \ntechnologie supérieure en vue de dresser l’état de l’art sur les différentes méthodes de relevés \net d’indicateurs de performance liés à la durabilité du marquage longitudinal. L’étude consiste \ndonc à répertorier, au niveau international, les différentes méthodologies d’évaluation et de suivi \nde la performance du marquage longitudinal, qu’elles proviennent des administrations routières \nou des laboratoires universitaires. \nDeux principales observations sont ressorties de l’étude. Dans un premier temps, on remarque \nqu’un gros effort de recherche est consenti sur le développement de solution visant le maintien \nde la visibilité nocturne, notamment lorsque la chaussée est humide ou lorsqu’il pleut. Les \nsolutions avancées semblent être principalement orientées vers l’utilisation de microbilles de \nverre incrustées dans les produits de marquage à différentes profondeurs et la texturisation du \nmatériau de marquage. \nDans un second temps, il est important de noter que la plupart des avancées des chercheurs et \nadministrations concernent la gestion du marquage routier et, plus particulièrement, de sa \nvisibilité. Traditionnellement, la visibilité du marquage routier est simplement évaluée \nvisuellement ou, dans le meilleur des cas, par une mesure instrumentale de sa rétroréflectivité. \nDésormais, ces mesures sont exploitées dans des systèmes d’information géographique (SIG) \net sont utilisées pour le développement de modèles de prévision de la visibilité du marquage. \nCes nouvelles pratiques permettent aux administrations routières d’évaluer et de prévoir plus \nfacilement et plus précisément l’état du marquage sur leur réseau routier.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 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) | 0,001 | 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 tête enseignante, 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 ».