Évolution du nombre de piétons et d’occupants de véhicules blessés aux intersections à la suite de l’implantation de mesures d’apaisement de la circulation à Montréal
Bibliographic record
Abstract
Introduction : Au cours des dernières années, l’implantation de mesures d’apaisement de la circulation gagne en «popularité» à Montréal; cependant aucune étude n’a été réalisée afin d’estimer l’effet de ces interventions sur la variation du nombre de blessés de la route à Montréal. Objectif : Estimer l’association entre l’implantation de mesures d’apaisement de la circulation du type saillies de trottoir et dos-d’âne et la variation annuelle du nombre de piétons et d’occupants de véhicules blessés aux intersections de quatre arrondissements de la Ville de Montréal de 2000 à 2014. Méthode : Le devis est longitudinal du type avant-après avec groupe contrôle. Les données sur les mesures d’apaisement de la circulation ont été collectées auprès de professionnels de 4 arrondissements de l’île de Montréal et leur implantation a été validée en utilisant Google Street View – Time Machine. Les caractéristiques des intersections mesurées incluent les volumes estimés de véhicules et de piétons (l’enquête Origine-Destination 2008), la présence d’artères (réseau artériel métropolitain) et le nombre de branches (réseau routier Open Street Map). Le nombre de blessés aux intersections provient des rapports d’accidents policiers (SAAQ). Des analyses de régression de Poisson, multiniveaux à deux niveaux, ont été réalisées pour expliquer la variation annuelle du nombre de piétons et d’occupants de véhicules blessés aux intersections. Les analyses incluent les caractéristiques des intersections (modèles A et B) ainsi que l’évolution annuelle du nombre de blessés (modèles B). Résultats : De 2004 à 2014, au moins 15,0% des intersections sur l’ensemble du territoire des quatre arrondissements ont bénéficié d’une mesure d’apaisement, principalement depuis 2011. En prenant en compte les autres caractéristiques des intersections, les saillies de trottoirs sont associées à une réduction de 23% du nombre de piétons blessés [IRR= 0,766; 95% IC= 0,633-0,928] et une réduction de 54% du nombre d’occupants de véhicules blessés [IRR= 0,456; 95% IC= 0,392-0,530]. La présence de dos-d’âne sur un tronçon adjacent à l’intersection est associée à une réduction de 54% du nombre d’occupants de véhicules blessés à l’intersection [IRR= 0,461; 95% IC= 0,380-0,560]. En contrôlant pour l’évolution temporelle du nombre de blessés (modèles B), les saillies de trottoirs [IRR= 0,696; 95% IC= 0,598-0,811] et les dos-d’âne [IRR= 0,713; 95% IC= 0,587-0,867] sont associés de manière statistiquement significative à une réduction du nombre d’occupants de véhicules blessés. Conclusion : L’analyse désagrégée, aux intersections, et la prise en compte de l’évolution temporelle du nombre de blessés déclarés constituent des forces de l’étude. Toutefois, l’évolution temporelle du volume de véhicules et de piétons n’a pas été prise en compte. Les résultats sont cohérents avec ceux rapportés dans la littérature sur les effets préventifs de mesures d’apaisement de la circulation. De plus, notre étude améliore les connaissances en évaluant l’efficacité de deux mesures spécifiques (saillie de trottoir et dos-d’âne) sur le nombre de piétons et occupants de véhicules blessés aux intersections.
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 | 0.006 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.002 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.007 | 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".