Recycler les autoroutes urbaines d’entrée d’agglomération pour repenser le lien entre la ville, les espaces publics et la voie rapide : étude de cas croisée entre les boulevards urbains du Littoral de Marseille et Robert Bourassa de Montréal
Bibliographic record
Abstract
Dans un élan de modernité, Marseille et Montréal ont bâti un immense réseau d’autoroutes urbaines pénétrant jusqu’au coeur de leur cité. Avant même l’achèvement de ces axes routiers, des contestations commencent à émerger, notamment en raison de leur détérioration et des multiples externalités négatives qu’elles engendrent. Au même moment les immenses complexes industrialo-portuaires implantés en entrée d’agglomération commencent également à se dégrader. Les deux métropoles, faisant face aux mêmes problématiques et enjeux, ont donc décidé de transformer leur entrée de ville. L’outil actuellement privilégié par les agglomérations de cette envergure est le boulevard urbain. Ce nouvel instrument a été mis en place de manière très différente entre Marseille et Montréal. La cité phocéenne a décidé de réduire la place de la voiture en aérien de façon importante et de camoufler la circulation en souterrain. Dans un même temps, elle a choisi de favoriser les déplacements alternatifs et notamment les mobilités actives au niveau du sol. Montréal a, elle, décidé de réduire la place de l’automobile de façon moindre et de conserver toutes les voies en aérien. Contrairement à Marseille, l’accent a été mis sur les transports en commun. Avec cette restructuration, de nouveaux espaces publics ont ainsi pu être créés dans les deux métropoles, favorisant le lien entre les différents quartiers ainsi qu’entre la ville et le port pour Marseille et la ville et le fleuve pour Montréal. Le boulevard urbain, implanté dans un contexte similaire, mais de façon différente, a ainsi permis d’améliorer et de métamorphoser les entrées des métropoles marseillaise et montréalaise. Ce nouvel outil a tout de suite été accepté par les riverains et les usagers, et a reçu de nombreuses distinctions.
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 | 0.002 |
| Science and technology studies | 0.008 | 0.004 |
| Scholarly communication | 0.005 | 0.002 |
| Open science | 0.002 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.009 | 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".