La loi fondamentale de la congestion routière et l’efficacité des interventions publiques visant à réduire la congestion
Bibliographic record
Abstract
Au cours d’un séjour de recherche chez nos voisins du Sud, je me suis étonnée d’entendre un responsable de la planification des transports d’une grande métropole américaine affirmer que la congestion routière n’était pas un problème car celle-ci représenterait un indice de la vitalité économique de la région. Selon d’autres intervenants, la congestion constituerait un faux problème, car le réseau routier serait conçu pour absorber le pic de trafic à l’heure de pointe du matin; ne pas avoir de congestion à l’heure de pointe signifierait que le réseau routier est en surcapacité. Pourtant, les coûts environnementaux, sociaux et économiques liés à la congestion routière sont bien réels et ceux-ci affectent quotidiennement la santé, la qualité de vie et le portefeuille des québécois. Pourquoi et comment réduire la congestion routière? Ce texte présente les impacts de la congestion et explique les fondements scientifiques de la notion contre-intuitive de la demande induite en transports en vertu de laquelle une augmentation de la capacité routière ne fait qu’accroître le trafic. Il aborde également l’efficacité des mesures visant à réduire la congestion, notamment la tarification, les transports collectifs, le covoiturage, l’électrification du parc automobile et l’aménagement du territoire. Une réflexion sur le rôle de la science dans les choix d’investissements et sur la prise de la décision basée sur les données probantes est offerte en guise de conclusion.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.001 |
| Scholarly communication | 0.001 | 0.003 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.001 | 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; both teacher heads agree on what is shown here.
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".