Incidence et prévention des accidents routiers impliquant la grande faune sur le réseau du ministère des Transports du Québec
Bibliographic record
Abstract
Le Québec est sillonné par plus de 325 000 km de routes, dont 30 000 sont sous la responsabilité du ministère des Transports du Québec (MTQ). Sur le réseau du MTQ, nous constatons une augmentation des accidents routiers impliquant la grande faune. Est-ce l’usage accru du réseau routier, l’augmentation des populations de cervidés ou une combinaison des deux qui explique l’augmentation du nombre de collisions avec la grande faune ? Dans cet article, nous abordons cette question en réalisant un survol des problématiques rencontrées, ainsi qu’une analyse de la relation entre les populations fauniques et le bilan routier. De plus, nous présentons les mesures d’atténuation des accidents routiers avec la grande faune qui sont utilisées par les différentes directions territoriales du MTQ. Nous concluons par une série de recommandations visant à réduire le nombre de collisions avec la grande faune et à améliorer la sécurité des automobilistes sur le réseau routier.
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) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 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 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".