Évolution du nombre de piétons et d’occupants de véhicules blessés aux intersections à la suite de l’implantation de mesures d’apaisement de la circulation à Montréal
Notice bibliographique
Résumé
Introduction : Au cours des dernières années, l’implantation de mesures d’apaisement de la circulation gagne en «popularité» à Montréal; cependant aucune étude n’a été réalisée afin d’estimer l’effet de ces interventions sur la variation du nombre de blessés de la route à Montréal. Objectif : Estimer l’association entre l’implantation de mesures d’apaisement de la circulation du type saillies de trottoir et dos-d’âne et la variation annuelle du nombre de piétons et d’occupants de véhicules blessés aux intersections de quatre arrondissements de la Ville de Montréal de 2000 à 2014. Méthode : Le devis est longitudinal du type avant-après avec groupe contrôle. Les données sur les mesures d’apaisement de la circulation ont été collectées auprès de professionnels de 4 arrondissements de l’île de Montréal et leur implantation a été validée en utilisant Google Street View – Time Machine. Les caractéristiques des intersections mesurées incluent les volumes estimés de véhicules et de piétons (l’enquête Origine-Destination 2008), la présence d’artères (réseau artériel métropolitain) et le nombre de branches (réseau routier Open Street Map). Le nombre de blessés aux intersections provient des rapports d’accidents policiers (SAAQ). Des analyses de régression de Poisson, multiniveaux à deux niveaux, ont été réalisées pour expliquer la variation annuelle du nombre de piétons et d’occupants de véhicules blessés aux intersections. Les analyses incluent les caractéristiques des intersections (modèles A et B) ainsi que l’évolution annuelle du nombre de blessés (modèles B). Résultats : De 2004 à 2014, au moins 15,0% des intersections sur l’ensemble du territoire des quatre arrondissements ont bénéficié d’une mesure d’apaisement, principalement depuis 2011. En prenant en compte les autres caractéristiques des intersections, les saillies de trottoirs sont associées à une réduction de 23% du nombre de piétons blessés [IRR= 0,766; 95% IC= 0,633-0,928] et une réduction de 54% du nombre d’occupants de véhicules blessés [IRR= 0,456; 95% IC= 0,392-0,530]. La présence de dos-d’âne sur un tronçon adjacent à l’intersection est associée à une réduction de 54% du nombre d’occupants de véhicules blessés à l’intersection [IRR= 0,461; 95% IC= 0,380-0,560]. En contrôlant pour l’évolution temporelle du nombre de blessés (modèles B), les saillies de trottoirs [IRR= 0,696; 95% IC= 0,598-0,811] et les dos-d’âne [IRR= 0,713; 95% IC= 0,587-0,867] sont associés de manière statistiquement significative à une réduction du nombre d’occupants de véhicules blessés. Conclusion : L’analyse désagrégée, aux intersections, et la prise en compte de l’évolution temporelle du nombre de blessés déclarés constituent des forces de l’étude. Toutefois, l’évolution temporelle du volume de véhicules et de piétons n’a pas été prise en compte. Les résultats sont cohérents avec ceux rapportés dans la littérature sur les effets préventifs de mesures d’apaisement de la circulation. De plus, notre étude améliore les connaissances en évaluant l’efficacité de deux mesures spécifiques (saillie de trottoir et dos-d’âne) sur le nombre de piétons et occupants de véhicules blessés aux intersections.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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 ».