Réalisation d’un système d’information géographique de gestion d’infrastructures routières du Québec et de calcul d’itinéraire en cas d’effondrement de ponts
Bibliographic record
Abstract
La bonne circulation des personnes et des biens est devenue un besoin essentiel de notre société. Le réseau routier est un élément important pour la croissance économique ; il constitue un indicateur primordial de la santé économique d’une région, car il sert tant au déplacement des personnes et des biens, qu’à la prestation des services tels que la collecte des déchets dans les centres urbains. Or, il existe plusieurs éléments qui contribuent à la dégradation des infrastructures routières et nuisent à la bonne circulation. Parmi ces éléments on peut citer l’augmentation de la mobilité, les catastrophes naturelles et la vétusté de ces infrastructures routières. Il survient également des incidents qui perturbent la circulation, on peut citer le risque d’effondrement des ponts ainsi que les travaux sur les routes, qui entrainent des fermetures nécessitant une prise en charge afin d’assurer le service offert par le réseau routier malgré les difficultés présentes. Plusieurs études ont montré que la croissance économique est liée à la qualité des infrastructures routières, donc il est important d’avoir des infrastructures routières bien aménagées et entretenues. Parmi les solutions envisageables pour mieux gérer et entretenir les infrastructures routières, les Systèmes d’Information Géographique (SIG) semblent être un choix de premier ordre. C’est ainsi que dans ce travail nous avons construit un système d’information géographique Web de gestion des infrastructures routières et de gestion du trafic routier en cas d’incident.
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 | 0.007 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.004 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.006 | 0.003 |
| Open science | 0.002 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.009 | 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".