Modélisation de l'impact des séquences d'accès et intersections sur la sécurité routière le cas de la 132, route de contour de la Gaspésie
Bibliographic record
Abstract
Dans une perspective de développement régional, faménagement du territoire \norganise les activités des citoyens et des entreprises et de fespace, vu comme bien \néconomique de production et de consommation (Weber 1910, Palander 1930, Christaller \n1930). Plus particulièrement, en canalisant les déplacements des personnes et des \nmarchandises pour un territoire donné, le réseau routier relie les différents accès aux \npropriétés riveraines. La hiérarchisation de fimpact des accès (Ziering, 1979; Stover et \nKoepke, 1987), comme source de perturbation de la mobilité, a fait fobjet d'une recherche \n(Belzile, 2000) mesurant le lien entre certaines caractéristiques des accès à la route 132 \nceinturant la Gaspésie et les accidents routiers. \nLa présente recherche descriptive et exploratoire vise à modéliser fimpact de \nséquences d'accès, tenant compte de la finalité de la propriété limitrophe, sur la mobilité du \nréseau routier de la 132, mesurée par les accidents et leurs gravités. La pertinence du lien \nentre la finalité des séquences et la fréquence des accidents pour un même segment \nhomogène de route est évaluée par la corrélation. La régression linéaire sert à modéliser ce \nlien afin de guider les intervenants en aménagement et en gestion du réseau routier. \nNotamment, la présence d'accès commercial et institutionnel et d'une intersection sur \nun même segment a entraîné en moyenne une vingtaine d'accidents (années 1993 à 1995 et \n1997 à 1999). La faible valeur de fintercept (2,64) confirme la contribution limitée des \nautres types de séquences d'accès et des autres facteurs non considérés par cette recherche.
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 machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.003 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.004 | 0.001 |
| Open science | 0.002 | 0.001 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.013 | 0.001 |
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 source (direct Gemma or distilled Codex), 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".