Infrastructures viaires et discontinuités urbaines : quels remèdes pour une accessibilité meilleure dans le contexte de la ville-région contemporaine ?
Bibliographic record
Abstract
Tirant profit d’une recherche visant à comprendre le rapport entre les infrastructures viaires et la forme urbaine dans le contexte particulier de la ville-région contemporaine durant la deuxième moitié du XXe siècle, cet article a pour but de mettre en évidence l’impact de l’hégémonie de l’automobile sur les formes d’urbanisation. Plus précisément, il s’agit d’expliciter le rôle des infrastructures viaires dans la mise en place d’une ville dispersée caractérisée essentiellement par la discontinuité de sa forme globale et par l’inter-accessibilité « limitée » de ses lieux urbains. Cette réalité contredit l’acception de l’urbanité perçue comme paramètre identifiant le fait urbain en tant que tel et, se réalisant essentiellement par le biais de l’inter-accessibilité des différentes entités urbaines. C’est avec l’avènement de l’automobile que l’urbanisation s’est déployée pour répondre à des impératifs souvent d’ordre politiques et/ou économiques s’abstrayant ainsi de la réalité sociale de la ville et de la demande des habitants en matière de mobilité et d’accès aux espaces urbains. Les exigences de l’automobilité ont nécessité des infrastructures viaires qui ont manifestement contribué à la restructuration des territoires urbanisés en modifiant les critères de localisation résidentielle, commerciale, industrielle et tertiaire qui étaient basés essentiellement sur les rapports de proximité, et en transformant la nature des articulations entre ces différentes activités devenues dispersées dans l’espace et difficilement accessibles, sauf –peut-être- à l’aide d’une voiture. À la lumière de cet état des lieux, quel rôle la planification urbaine pourrait-elle jouer dans le but d’améliorer l’accessibilité vers les différents espaces urbains particulièrement pour les utilisateurs du transport actif (marche, bicyclette, fauteuil roulant, etc…) ainsi que ceux du transport en commun ? En réponse à cette question, certains architectes et urbanistes, tels Albert Pope et Bernardo Secchi ont proposé quelques pistes de réflexion et d’intervention afin de répondre aux multiples besoins des habitants en quête d’urbanité.
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 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.005 | 0.012 |
| Scholarly communication | 0.008 | 0.007 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.010 | 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".