Évaluation du projet pilote de navettes autonomes sur la \nPlaza Saint-Hubert (2021-2022) : Résultats sur la perception des utilisateurs et riverains (volets 2 et 3)
Bibliographic record
Abstract
Deux projets pilotes de navettes autonomes en circulation dans le réseau routier ont vu le \njour dans les dernières années au Québec, l’un à Candiac (navette Navya et opérateur \nKeolis) et l’autre à Montréal (navette Easymile et opérateur Transdev). En 2021 et 2022, \nc’est au sein de l’arrondissement de Rosemont-La Petite-Patrie, plus précisément sur les \nrues Saint-Hubert et Saint-André, qu’a eu lieu un troisième projet pilote de navettes \nautonomes (navette Navya et opérateur Keolis). La présente étude s’inscrit dans une \nvolonté de mieux comprendre l’acceptabilité sociale et la sécurité routière entourant la \nvenue de ces navettes autonomes (et électriques) sur le réseau routier montréalais. Elle \nfait également suite à une volonté de la Ville de Montréal et ses partenaires d’évaluer ces \nprojets-pilotes afin de développer des connaissances et une expertise de ce type de \nmobilité. C’est dans ce contexte que le présent mandat de recherche a été octroyé à la \nchercheure Marie-Soleil Cloutier de l’Institut national de la recherche scientifique (INRS) \net au chercheur Nicolas Saunier de Polytechnique Montréal. Leur expertise en sécurité \nroutière et en mobilité ont permis de répondre aux objectifs du mandat de recherche qui \nse déclinaient comme suit : \n \nVolet 1 : Cohabitation véhiculaire \nObjectif 1 : Documenter les comportements des usagers de la route en présence de \nla navette autonome sur le réseau routier \n \n \nVolet 2 : Perception de la mobilité autonome et son avenir \nObjectif 2 : Connaître les perceptions des riverains et visiteurs par rapport à l’arrivée \ndes véhicules autonomes sur le réseau routier de Montréal \n \nVolet 3 : Perception par les utilisateurs et le milieu \nObjectif 3 : Connaître les perceptions et pratiques des usagers vis-à-vis de la navette \nautonome et son accessibilité universelle pendant le projet pilote \n \nLe présent rapport porte sur les volets 2 et 3 du mandat, à savoir les perceptions \nde la mobilité, des utilisateurs et les riverains.
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 | 0.007 | 0.014 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 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".