La sécurité sur les autoroutes éclairées les accidents avec lampadaires, cas des autoroutes 10 et 15 en périphérie de Montréal
Bibliographic record
Abstract
Le risque d'accidents est trois fois plus important durant la nuit à cause du manque de visibilité, de là l'utilité d'éclairer une route. Sur l'autoroute 15, il y a eu un changement du type de support d'éclairage, passant des mâts conventionnels aux hauts mâts. On veut déterminer l'évolution des accidents depuis ce changement des supports d'éclairage par une étude avant/après. On veut également vérifier cette évolution en comparant les accidents survenus en présence de hauts mâts et de mâts caténaires (autoroute 10), par une étude comparative de sections. Plusieurs variables sont utilisées dans cette étude dont la gravité des accidents et le nombre de jours avant près le changement des supports d'éclairage. Le nombre de jours étant inégal entre les deux périodes, la"méthode miroir" a été créée. Elle tient compte d'un nombre de jours égal avant et après, réduisant le nombre d'accidents pour les périodes caractérisées par les hauts mâts et les mâts conventionnels. Différents indices (taux d'accidents, ratio nuit/jour des taux d'accidents, moyenne annuelle des accidents) et le test du khi-deux sont calculés pour répondre à cette problématique. Sur la section de l'autoroute 15, il y a une diminution de 20% du total des accidents depuis le changement des supports d'éclairage, significatif à 5% avec le test du khi-deux. L'éclairage par des hauts mâts apporte donc une sécurité supplémentaire. Les hauts mâts étant plus éloignés les uns des autres ainsi que de la ligne de rive, les risques d'en frapper un sont minces. La poursuite de l'installation de hauts mâts sur les autoroutes est donc recommandée.
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 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.001 | 0.001 |
| 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".