Innovative public-private partnerships in road maintenance and management: a contractor's perspective
Notice bibliographique
Résumé
Partnerships between public authorities and private enterprises aiming at building and operating public works are not a new phenomenon. However, they have gained renewed attention since tensions appeared in the 90s in the public budgets of industrialized countries, which even contributed to the emergence of new partnership forms. In the road sector, innovative contracts have been promoted beyond sheer road construction, with a view to maintaining and managing urban and peri-urban road networks. In all cases, these contracts aim at an improved level of service for road users and at better value for money, by combining the competences of the private sector and of the public authorities. Indeed, for road users as well as for taxpayers, only the results count, in terms of mobility and safety, no matter what procurement method is used. These contracts are generally based on performance requirements rather than recipe based prescriptions. They differ in their financial structures as well as in country-specific legal frameworks. They show however similarities in performance measurement. This paper presents the viewpoint of a contractor based on examples from the authors' ten-year experience with maintenance of urban and peri-urban road networks in various countries : - In England, Managing Agent Contracts (MAC) with the « Highways Agency », as well as an urban PFI (Private Finance Initiative) contract; - In Canada, a rehabilitation and maintenance contract at Saint-Louis de France (Quebec), as well as CMA (Contract Maintenance Area) contracts in Alberta; - In Denmark, pavement maintenance contracts with municipalities. In all cases, these partnerships have reached the following objectives: - Fostering innovation by adopting a lifetime perspective; - Better risk management through better risk identification and sharing; - Improved efficiency through combination of competences between public and private sector and a « win/win » approach rather than the traditional « client / supplier » approach; - and finally, improved level of service, as attested by satisfaction inquiries of residents and road users, while achieving better value for money.
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 | 0,003 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,003 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,005 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».