L'optimisation d'un projet de transport en commun en site propre : une proposition de méthode pour le cas du tramway de Montréal
Bibliographic record
Abstract
Le transport en commun en site propre (TCSP) est une famille de modes de déplacement, comme le système rapide par bus, le tramway ou le métro, qui sont attractifs pour les voyageurs et qui permettent aux instances régionales de structurer l'urbanisation et les activités humaines sur leur territoire. Toutefois, ils requièrent d'importants coûts de construction et d'opération, ce qui peut retarder ou annihiler leur réalisation. Le projet de tramway de la Ville de Montréal, reliant le centre-ville au quartier Côte-des-Neiges, a par exemple déraillé pour cette raison. Or, d'après l'expérience de plusieurs villes extérieures au Québec, il semble possible d'optimiser un projet de TCSP pour qu'il soit plus efficient mais tout autant efficace, c'est-à-dire moins onéreux mais capable de répondre adéquatement à la demande de mobilité. La recherche propose alors une méthode d'optimisation et l'applique à titre d'exemple sur le projet de tramway montréalais. Ce processus a permis de concevoir un projet optimisé plus fonctionnel aux déplacements des personnes et plus abordable sur le long terme à l'investissement et à l'exploitation que le projet initial. Bien que plus court, le tracé optimisé justifie le besoin d'un tramway par le niveau estimé d'achalandage. Néanmoins, la méthode d'optimisation a présenté quelques limites, comme le manque de données, et le projet optimisé reste une échauche, puisque les solutions optimisées ont seulement été développées à un stade de préfaisabilité. \n______________________________________________________________________________ \nMOTS-CLÉS DE L’AUTEUR : optimisation, projet, transport en commun, tramway, montréal.
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) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.002 | 0.001 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.006 | 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".