Mesure du potentiel de marche et de l’accessibilité dans les espaces urbains pour les piétons âgés
Notice bibliographique
Résumé
La marche se distingue des autres modes parce qu’elle induit, pour celui qui la pratique, une immersion complète des individus dans l’environnement (Amar, 2010). Elle est aujourd’hui fortement revalorisée dans les centres urbains en France et plus généralement en Europe et Amérique du Nord, au titre de mode de déplacement doux et non polluant mais également en tant que mode de déplacement actif, bon pour la santé. Pour autant, les besoins des piétons pour circuler en sécurité et confortablement doivent être mieux pris en compte pour que la marche devienne une réelle alternative et ceci quel que soit l’âge des marcheurs. Les besoins spécifiques des plus âgés ne sont malheureusement pas suffisamment reconnus par les pouvoirs publics, l’environnement urbain restant le territoire des jeunes actifs, réservé aux usagers les plus performants. Alors que la pratique de la marche à pied est le révélateur de la qualité de l’environnement urbain, le piéton âgé du fait de sa lenteur et de ses fragilités, n’est pas forcément légitime et perd son droit de cité dans une ville trop souvent dévolue à la vitesse. Il y a là un réel enjeu à relever afin de rendre les villes de demain plus accessibles, agréables à vivre, universelles et accueillantes. Cet article présente un outil d’audit de marchabilité adapté aux piétons âgés. Une cartographie fine et détaillée de l’indicateur mis en place à partir de relevés sur le terrain permet de diagnostiquer les problèmes et d’identifier les besoins pour garantir un bon niveau d’accessibilité. Au final, c’est l’absence de continuité dans les cheminements qui ressort comme élément le plus perturbateur de la mobilité à pied dans le site mis à l’étude.
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 | 0,002 | 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 | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».