Répartition et efficacité des mesures d'apaisement de la circulation sur la diminution des collisions impliquant des piétons à Montréal
Bibliographic record
Abstract
L’assemblée générale des Nations unies a proclamé la décennie d’action pour la sécurité routière 2011-2020. La ville de Montréal, dans son plan d’action Vision zéro décès et blessé grave 2019-2021 emboite le pas en établissant 22 actions fédératrices pour une mobilité sécuritaire. Parmi ces actions, plusieurs d’entre elles visent l’amélioration du réseau routier. Au cours des dernières années, l’implantation de mesures d’apaisement de la circulation est de plus en plus utilisée, mais très peu de recherche portant sur leur efficacité ont été réalisées sur le territoire de Montréal. L’objectif de cette recherche est donc d’estimer l’efficacité de certaines mesures d’apaisement de la circulation afin de diminuer les collisions impliquant des piétons sur l’île de Montréal. La méthode du type avant-après avec groupe de contrôle sera utilisée dans le cadre de cette recherche. Cette approche permettra de comparer le nombre de collisions avant et après l’implantation des mesures d’apaisement. Pour établir le groupe de contrôle, d’autres tronçons de rues comparables (c’est-à-dire qui ont les mêmes caractéristiques, type de réseau, largeur, densité de circulation, etc.) seront évalués. L’objectif du groupe de contrôle est de comparer leurs résultats à celui que donneront les tronçons de rues qui ont des mesures d’apaisement afin d’en évaluer l’efficacité. Quatre grands objectifs ont été établis dans le cadre de cette recherche. Cartographier les mesures d’apaisements de la circulation et les collisions impliquant des piétons ; faire l’analyse spatiale des données afin d’évaluer si le nombre de collisions a diminué ou augmenté à ces endroits et de comparer avec nos groupes de contrôle, s’il y a une tendance significative dans la diminution des collisions. Les analyses seront faites à l’aide de système d’information géographique. La cartographie permettra de visualiser la distribution des mesures d’apaisement et celles des accidents sur l’île de Montréal afin de démontrer si des patrons spatiaux se dégagent de notre analyse.
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 | 0.005 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.002 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.010 | 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".