Le développement du vélo-boulot a Montréal dans une perspective de transport durable
Notice bibliographique
Résumé
La ville de Montréal est une des villes les plus congestionnées d’Amérique du Nord. Ce fléau cause de nombreux désagréments au niveau économique, environnemental et humain. L’utilisation accrue du vélo pour se rendre au travail figure parmi les solutions envisageables. Cet essai répondra à cette problématique en dressant un portrait de la situation du vélo à Montréal et ailleurs dans le monde afin de recommander des interventions réalistes et adaptées à la métropole. À Montréal, 586 000 personnes habitent à 5 km ou moins de leur lieu de travail, une distance qui peut facilement être comblée en vélo. Les avantages du vélo sur l’automobile sont nombreux, par exemple une meilleure condition physique, une baisse du stress au travail. Cependant, la saison hivernale représente un effet dissuasif sur ce genre de pratique. De nombreuses villes en Europe et en Amérique du Nord ont emboité le pas pour encourager le navettage à vélo. Ces villes peuvent servir d’exemples à suivre par leurs actions innovantes visant à favoriser l’utilisation du vélo, comme l’aménagement plus sécuritaire des intersections de rues. Malgré certaines forces, le réseau cyclable de Montréal comporte plusieurs lacunes qu’il faut combler afin de penser à une stratégie pour favoriser l’utilisation du vélo pour se rendre au travail à une plus grande échelle. Mentionnons que des améliorations au niveau du stationnement, de l’éducation et de la multi-modalité doivent être apportées. De plus, une campagne de dissuasion envers l’utilisation de l’automobile en solo doit aussi être réalisée en parallèle à l’appui au vélo. La mise en place d’une telle stratégie doit se faire de façon logique. En ce sens, la collecte et l’analyse de données sur l’utilisation actuelle et future du réseau constituent la base de toute intervention. En se basant sur ces données, la mise en oeuvre des interventions appropriées peut se faire. Il ne faut pas tenir pour acquis les réalisations déjà implantées, mais développer et perfectionner le réseau cyclable continuellement. Enfin, il est essentiel de maintenir un dialogue continuel entre les principaux acteurs concernés et les usagers du réseau, afin de s’assurer du succès des mesures implantées ou projetées.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,008 | 0,005 |
| Communication savante | 0,007 | 0,003 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,016 | 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 ».