Calcul de l’impact sur la circulation automobile d’une taxe sur le stationnement dans la grande région de Montréal
Bibliographic record
Abstract
Ce texte examine l'hypothèse d'une taxe sur le stationnement dans la Grande \nRégion Métropolitaine de Montréal, plus exactement d'une taxe sur le stationnement \nhors rue non incitatif de longue durée. Cette taxe aurait pour objectifs de favoriser le \ntransfert modal en faveur du transport en commun, particulièrement chez les navetteurs, \net de recueillir des fonds aux fins de financement du transport en commun. \nLa première partie du texte s'attache au cadre théorique d'analyse économique \ndu marché du stationnement. La seconde partie décrit en détail la méthode de \nsimulation utilisée pour évaluer l'impact qu'aurait une taxe sur le stationnement sur \nl'utilisation de l'automobile et présente les résultats. Cette méthode est fondée sur le \nconcept d'élasticité de la demande, qui permet de circonscrire les effets possibles d'une \nvariation de prix sans pour autant devoir élaborer et estimer un modèle économétrique \nde la demande. \nLa simulation distingue les 100 secteurs municipaux de l'enquête O-D de 1998. \nPour chaque secteur, le volume du stationnement non résidentiel hors rue de longue \ndurée est estimé au moyen de la somme des déplacements auto-conducteur effectués \ndurant la pointe matinale à destination de ce secteur, pour motifs d'études ou de travail. \nLe coût quotidien de déplacement en automobile vers chacun des 100 secteurs \nmunicipaux, en provenance de chacun des 100 secteurs, est évalué en tenant compte \ndes trois composantes du coût de déplacement en automobile : \n• le coût d'usage du véhicule en fonction de la distance parcourue; \n• la valeur du temps de déplacement; \n• le prix du stationnement à destination. \nSi l'on retient les hypothèses médianes quant à la valeur de l'élasticité, et même \navec une taxe d'un dollar par emplacement par jour, les simulations laissent prévoir une \nréduction des flux auto-conducteur de 4 % ou moins. En somme, l'implantation d'une \ntaxe sur le stationnement pourrait avoir un effet équivalent à retarder d'une ou deux \nannées la croissance des flux de circulation. \nLa dernière partie du texte apporte un éclairage complémentaire en comparant \nles coûts de déplacement en automobile et en transport en commun. La comparaison \nmontre que, si l'on tient compte des temps de déplacement, la moyenne pondérée de \nl'écart de coût entre le transport en commun et l'automobile n'est que de 3,49 $ environ, \net qu'elle encore est moins grande, de l'ordre de 1,44 $, pour ceux qui choisissent \nl'automobile. Nous concluons quant à nous que les efforts politiques qui devraient être \ndéployés pour promouvoir l'implantation d'une taxe sur le stationnement seraient peutêtre plus efficaces s'ils étaient appliqués à revendiquer un meilleur financement des \ntransports en commun à même les ressources fiscales existantes, en vue de \nl'amélioration du confort et de la vitesse des transports en commun. Plus largement, nos \nrésultats s'accordent avec le point de vue que soutiennent la plupart des experts en la \nmatière : pour favoriser le transfert modal et réduire la congestion, une taxe sur le \nstationnement ne peut être réellement efficace que si elle n'est qu'un élément – et pas \nle plus important – parmi un ensemble cohérent de mesures.
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 | 0.000 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.005 | 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 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".