La qualité des voies cyclables à Montréal, Laval et Longueuil : Construction d'indicateurs de diagnostic et d'aide à la planification
Notice bibliographique
Résumé
L’augmentation de la part modale du vélo en ville génère de nombreux bénéfices à la fois individuels et collectifs. L’attractivité de la pratique du vélo dépend notamment de la présence d’infrastructures cyclables de qualité. Ce mémoire vise à proposer des indicateurs de qualité des voies cyclables, reposant sur une collecte de données primaires réalisée avec des vélos instrumentés (sonomètre, capteur de pollution, accéléromètre, caméra vidéo). Quatre dimensions de la qualité des voies cyclables sont évaluées : l’exposition au bruit, l’exposition à la pollution atmosphérique, l’état de la chaussée et la sécurité routière. Des modèles généralisés additifs sont construits pour prédire, à l’échelle de chaque tronçon, le niveau de bruit, la concentration de particules fines PM2,5 et les probabilités de vivre un conflit avec un véhicule et avec un·e piéton·ne en fonction du type de voie cyclable. Le recours à une méthode de classification spatiale floue a permis de regrouper les tronçons ayant des caractéristiques communes. Les résultats révèlent quatre types empiriques de voies cyclables : 1) les pistes protégées de grandes rues caractérisés par des niveaux élevés de bruit et de pollution, une chaussée en mauvais état, une faible probabilité de conflit avec véhicule et une probabilité élevée de conflit avec un·e piéton·ne; 2) les bandes peinturées de grandes rues, soit des bandes cyclables au bruit et à la pollution élevée, avec une chaussée en bon état, une probabilité moyenne de conflit avec véhicule, et une très faible probabilité de conflit avec piéton·ne; 3) les peinturées de petites et moyennes rues, soit des bandes cyclables peu bruyantes, moyennement polluées, avec une chaussée en bon état, une probabilité élevée de conflit avec véhicule et une probabilité moyenne de conflit avec piéton·ne; et 4) les protégées de parcs et de petites et moyennes rues avec des niveaux bas de bruit et de pollution, une chaussée en piètre état, une faible probabilité de conflit avec véhicule, mais une probabilité élevée de conflit avec piéton·ne. \n<br /><br /> \nIncreasing cyclists’ modal share in cities brings numerous benefits to individuals and collectivities. However, urban cycling’s attractiveness depends upon the availability of quality cycling facilities. The aim of this thesis is to propose cycling infrastructure quality indicators that are based on a primary mobile data collection using instrumented bicycles (noise dosimeter, pollution sensor, accelerometer, video camera). Three scopes are covered: noise and air pollution exposure, pavement condition and road safety. Generalized Additive Models are built to predict, for each road section, expected levels of noise intensity, particulate matter (PM2,5) concentration, and conflict likelihood with a vehicle or with a pedestrian. A spatial fuzzy clustering algorithm is then used to group cycleway sections that share common characteristics. Results reveal four empirical cycleway types: 1) large roads protected bike paths, which are loud, polluted, with a poorly maintained pavement, a low likelihood of conflict with a vehicle and a high likelihood of conflict with a pedestrian; 2) large roads painted strips, which are loud and polluted, with a pavement in good condition, an average likelihood of conflict with a vehicle and a low likelihood of conflict with a pedestrian; 3) small and medium streets painted strips, which are quiet and averagely polluted, with a pavement in good condition, a high likelihood of conflict with a vehicle and an average likelihood of conflict with a pedestrian; 4) park and small and medium streets protected paths, which are quiet and not polluted, with a pavement in poor condition, a low likelihood of conflict with a vehicle, but a high likelihood of conflict with a pedestrian.
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 | 0,015 | 0,046 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,003 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,003 | 0,004 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».