Ãtude de faisabilité et d'impacts portant sur l'implantation d'un réseau de transport en commun alternatif
Bibliographic record
Abstract
La présente étude vise à identifier des pistes de solutions afin d’améliorer le transport en \ncommun, et ce, en essayant de mieux comprendre la forme des villes, la mobilité individuelle \net les possibilités que représentent les systèmes de transport cybernétiques. Puisque le \ntransport en commun fait partie des solutions avantageuses pour l’avenir de l’environnement, \nil faut tenter d’améliorer sa flexibilité afin de mieux répondre aux besoins. \nL’approche utilisée se base sur l’analyse des différents moyens de transport motorisés \naccessibles aux citoyens de la ville de Laval (automobile, autobus) selon trois types de \ncritères, soit les critères techniques, environnementaux, socio-économiques et sur \nl’identification de sites d’implantation optimale d’un système de transport cybernétique soit, \nle Système de transport cybernétique Serpentine. \nLes résultats obtenus ont permis d’identifier trois sites d’implantation les plus \ncomplémentaires au réseau de transport en commun d’autobus actuellement en fonction de la \nSTL. Les retombées envisagées par cette recherche sont environnementales par le \ndéveloppement d’un réseau de STC ayant une faible émission de GES et par la réalisation \nd’un réseau complémentaire et plus flexible répondant mieux aux besoins de mobilité \nindividuelle des Lavallois. Ils sont également socio-économiques par la création d’emplois \nlocaux. \nLa réalisation d’un prototype de STC à Laval va permettre à la Ville de devenir un chef de \nfile québécois en matière de transport en commun à faible émission. Un essai est \nrecommandé afin de bien évaluer les impacts reliés à l’exploitation d’un tel réseau auprès des \ninstances gouvernementales.
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 | 0.003 | 0.009 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.004 | 0.003 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.002 | 0.001 |
| Insufficient payload (model declined to judge) | 0.015 | 0.002 |
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".