Aide à la décision multicritère pour la hiérarchisation de tronçons d’assainissement dans le cadre d’une gestion patrimoniale
Bibliographic record
Abstract
Les réseaux d’assainissement constituent un patrimoine important qui nécessite une gestion à long terme dans le cadre d’une politique intégrée qui tient compte de l’état des tronçons, de leur environnement et de contraintes budgétaires fortes. Dans cette perspective, une connaissance du patrimoine est nécessaire, à travers la mise en place d’inventaires permettant de collecter des données liées au patrimoine et à son environnement. Dans le cadre de cet article, le patrimoine étudié sera constitué de tronçons d’assainissement non visitables (diamètre inférieur à 1200 mm) pour lesquels un inventaire a été effectué et des données sont disponibles. L’état des tronçons peut être évalué à partir de données d’inspections télévisuelles (ITV) réalisées par caméras robotisées. Ces inspections permettent de décrire l’état des tronçons d’assainissement, mais ne permettent pas de hiérarchiser les tronçons, ni de prendre des décisions de réhabilitation ou de renouvellement. À cet effet, nous proposons d’utiliser la méthodologie développée dans le cadre du projet Français Réhabilitation des réseaux d’assainissement urbains, RERAU (2000–2004), qui propose de mesurer à partir des défauts constatés par ITV des densités de dysfonctionnement. À partir de ces dysfonctionnements, nous utilisons la méthode multicritère Electre-tri pour la mise en place d’une procédure d’affectation des tronçons en catégories selon leur état de détérioration. L’étude a été réalisée sur un échantillon de tronçons d’assainissement en Alsace, France. L’article décrit la mise en place de la démarche et présente les principaux résultats.
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 | 0.006 | 0.013 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.002 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.005 | 0.003 |
| Open science | 0.002 | 0.002 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.010 | 0.002 |
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".