Étude et prévention des accidents de la route impliquant le cerf de Virginie dans l'Ouest-de-la-Montérégie
Notice bibliographique
Résumé
Résumé : Problématique très en vue en Amérique du Nord en général, et au Canada en particulier, les collisions entre véhicules et animaux sauvages entrainent chaque année plusieurs centaines de victimes et des milliers de dollars en coûts sociaux. Parmi les espèces animales impliquées dans l'accidentologie faunique, le cerf de Virginie est particulièrement concerné dans la partie sud du Québec. Afin de cibler les facteurs prépondérants et mitiger l'importance de la problématique dans la région à l'étude — l'Ouest-de-la-Montérégie — le mémoire vise à dresser un portrait statistique, à déterminer les sections à fort risque de collision avec le cerf et à proposer des mesures de mitigation pour mieux contrôler l'impact de la problématique dans le contexte ouest-montérégien. Lequel propose un paysage d'une dichotomie remarquable entre la forêt, espace refuge du chevreuil surtout en saison froide, et la plaine où le cheptel sort en quête de nourriture. Au cours de l'étude, l'accent est mis sur la proportion d'espace boisé au sein d'une amplitude clé autour du réseau, et confirme les hypothèses régulièrement indiquées dans la littérature spécialisée, soit d'une part la recrudescence d'évènements accidentologiques lors de saisons particulières associées à la biologie de l'animal, et d'autre part la prépondérance de collisions durant des créneaux horaires quotidiens bien déterminés. Par ailleurs, le flux de circulation, attribut essentiel dans toute analyse de réseau routier, sera questionné grâce à une analyse statistique qui mettra en lumière son influence sur l'importance du phénomène. Finalement, sept portions à fort risque de collision avec le cerf ressortent de la segmentation du réseau à l'étude par le prisme de l'analyse des sections de trafic, et des recommandations sont proposées pour chacune d'entre elles; si un aménagement mitigateur s'avère pertinent pour certaines des portions déterminées, l'aspect prévention doit lui aussi être mis de l'avant notamment à travers des campagnes de sensibilisation.||Abstract : As an important problematic in the North American transportation field, and particularly in Canada, the road accidents involving wild animals lead each year to several hundreds of victims and substantial social costs. Among the wild species involved in this kind of collisions, the Virginia deer concerns the biggest part of the southern Quebec accidental events. In order to know which are the most influential factors and to reduce the impact of the phenomenon in the studied area - Ouest-de-la-Montérégie - the dissertation aims to draw up a statistical portrait, to determine the road sections with a high risk of deer-vehicle collision (DVC) and finally to suggest some countermeasures which can help to control the problematic in the studied geographical context. This territory shows a remarkable dichotomy with, on one hand, forests where the animals can take refuge, specially during winter, and on the other hand plains where the deers can find some food. The study develops the importance given to the part of forest inside a key zone around the road network, and confirms the hypothesis regularly seen in the specialized literature; that is to say that accidents involving deers more often happen during particular biological seasons for the species, and that the same collisions more often occur at a certain time of the day. Furthermore, the circulation flow, which is very important in every network analysis, will be studied in order to know how influential it can be in the problematic. Finally, seven portions with a high risk of DVC result from the segmentation analysis of the road network, thanks to a traffic-section approach. Some recommendations are introduced for each of these sections, and beside the technical countermeasures, prevention and awareness prove to be efficient methods.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».