Analyse de l'implantation de l'autopartage en libre-service intégral à Montréal
Bibliographic record
Abstract
J'aimerais remercier tout spcialement mon directeur Martin Trpanier ainsi que ma codirectrice Catherine Morency, qui ont su m'aider tout au long de ce processus, mais surtout qui m'ont fait partager leur passion pour la recherche ainsi que pour le domaine du transport.galement, j'aimerais souligner l'apport de Communauto cette tude, tant au niveau du partage des donnes que de leur soutien financier.Leur confiance et leur soutien la recherche suprieure est tout leur honneur.Un dplacement moyen pour le LSI est en moyenne 8,0 12,2 km avec une valeur mdiane de 3,8 km, ce qui est nettement plus faible que les distances recenses pour le service rgulier.Le traitement du sondage montre que les principaux motifs d'usage sont le magasinage (34%), les activits de plaisance (18%) et le retour au domicile (18%).Une diffrence est remarque au niveau des usagers qui ont dj utilis l'autopartage traditionnel a priori.En effet, les distances parcourues, les temps d'utilisation ainsi que les temps d'arrt son statistiquement plus faibles que les usagers introduit l'autopartage par le LSI.Aussi, la suite de cette tude, il est devenu impratif d'tudier dans le futur le LSI et l'autopartage traditionnel comme deux entits distinctes d aux nombreuses diffrences quant aux mtriques d'utilisation.Finalement, il y a chevauchement entre le LSI et les autres modes de transport de la ville, mais on prfre parler tout de mme d'un service complmentaire qui vient bonifier l'offre de choix modal des montralais.D'autres tudes devront tre effectues pour rellement rpondre cette question.Le mmoire se termine sur une ouverture quant aux perspectives futures intressantes explorer en passant par les contributions de l'tude ainsi que des limitations de cette dernire.Des tudes au niveau des impacts environnementaux, tant pour les missions de GES que de la possession automobile, ainsi que de la complmentarit du LSI avec le cocktail de mobilit urbain des grandes villes sont prvoir pour le futur, afin de catgoriser le LSI comme tant un mode de transport durable ou pas.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.000 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one teacher head, not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".