« Livraisons urbaines en vélos-cargos : le Low-Tech au service de la transition écologique des villes »
Bibliographic record
Abstract
Dans un contexte de saturation des réseaux et de dépassement des seuils de pollutions atmosphériques, sonores et d’émission de GES, les villes et les transporteurs cherchent des solutions à la fois plus efficaces et plus écologiques pour répondre à l’explosion des besoins de livraison urbaine, portée notamment par l’essor du commerce en ligne. Âgé de plus d’un siècle, le vélo-cargo fait ainsi son grand retour dans la logistique urbaine, notamment à Montréal au Québec, en s’appuyant sur les dernières améliorations technologiques en matière de propulsion électrique et d’optimisation de tournées. Par sa capacité à détrôner le camion, cette solution « Low-Tech augmentée » se présente comme un levier pertinent pour repenser les flux de marchandises en ville dans une perspective de transformation écologique, tant au niveau des émissions de GES que de la meilleure cohabitation avec les modes de déplacements actifs et doux. Toutefois, en tant qu’outil au service de la consommation de masse, son usage présente un fort potentiel d’effet rebond. En effet, en résolvant les problèmes actuels du commerce en ligne, il l’encourage tout autant, ce qui constitue un redoutable paradoxe. Mais dans le contexte de la pandémie du printemps 2020 à Montréal, le vélo-cargo a su démontrer sa formidable flexibilité pour s’adapter aux nouveaux modes de consommation générés par la crise. Ce qui a fait de cet équipement de transport un des premiers outils de résilience urbaine.
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 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| 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".