Carrefours en milieu urbain : quels risques pour les piétons ? Exemple empirique des quartiers centraux de Montréal, Canada
Notice bibliographique
Résumé
Cet article a pour objectif d’évaluer l’impact de variables environnementales que nous appellerons « proximales » (à un carrefour) et « distales » (zone d’influence autour d’un carrefour) sur le nombre d’accidents piétons à ces mêmes carrefours. À partir d’une enquête terrain faite à plus de 500 carrefours des quartiers centraux de Montréal, nous proposons ici de calculer deux modèles de régression : un modèle négatif binomial qui a pour variable dépendante le nombre de piétons blessés dans un rayon de 50 mètres du carrefour ; un modèle logistique ordinal, qui se base sur une variable dépendante avec 3 modalités (0 = 0 accident ; 1 = 1 ou 2 accidents ; 2 = 3 accidents ou plus). Les résultats suggèrent que la présence de plus de 5 voies, d’un feu de circulation, d’un feu piéton et d’un passage pour piétons (variables proximales), ainsi que le nombre d’emplois par zone d’influence augmentent la probabilité d’avoir plus d’accidents au carrefour ou d’appartenir à une catégorie supérieure d’accidents, à l’exception du passage piéton. À la lumière de ces résultats, il nous apparaît évident que le piéton nécessite plus de considération lors des choix d’aménagement des lieux de traversée, en particulier dans les quartiers centraux de grandes villes comme Montréal.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».