Carrefours en milieu urbain : quels risques pour les piétons ? Exemple empirique des quartiers centraux de Montréal, Canada
Bibliographic record
Abstract
Cet article a pour objectif d’évaluer l’impact de variables environnementales que nous appellerons « proximales » (à un carrefour) et « distales » (zone d’influence autour d’un carrefour) sur le nombre d’accidents piétons à ces mêmes carrefours. À partir d’une enquête terrain faite à plus de 500 carrefours des quartiers centraux de Montréal, nous proposons ici de calculer deux modèles de régression : un modèle négatif binomial qui a pour variable dépendante le nombre de piétons blessés dans un rayon de 50 mètres du carrefour ; un modèle logistique ordinal, qui se base sur une variable dépendante avec 3 modalités (0 = 0 accident ; 1 = 1 ou 2 accidents ; 2 = 3 accidents ou plus). Les résultats suggèrent que la présence de plus de 5 voies, d’un feu de circulation, d’un feu piéton et d’un passage pour piétons (variables proximales), ainsi que le nombre d’emplois par zone d’influence augmentent la probabilité d’avoir plus d’accidents au carrefour ou d’appartenir à une catégorie supérieure d’accidents, à l’exception du passage piéton. À la lumière de ces résultats, il nous apparaît évident que le piéton nécessite plus de considération lors des choix d’aménagement des lieux de traversée, en particulier dans les quartiers centraux de grandes villes comme 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 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 | 0.002 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.000 | 0.000 |
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 teacher head, 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".