La qualité des voies cyclables à Montréal, Laval et Longueuil : Construction d'indicateurs de diagnostic et d'aide à la planification
Bibliographic record
Abstract
L’augmentation de la part modale du vélo en ville génère de nombreux bénéfices à la fois individuels et collectifs. L’attractivité de la pratique du vélo dépend notamment de la présence d’infrastructures cyclables de qualité. Ce mémoire vise à proposer des indicateurs de qualité des voies cyclables, reposant sur une collecte de données primaires réalisée avec des vélos instrumentés (sonomètre, capteur de pollution, accéléromètre, caméra vidéo). Quatre dimensions de la qualité des voies cyclables sont évaluées : l’exposition au bruit, l’exposition à la pollution atmosphérique, l’état de la chaussée et la sécurité routière. Des modèles généralisés additifs sont construits pour prédire, à l’échelle de chaque tronçon, le niveau de bruit, la concentration de particules fines PM2,5 et les probabilités de vivre un conflit avec un véhicule et avec un·e piéton·ne en fonction du type de voie cyclable. Le recours à une méthode de classification spatiale floue a permis de regrouper les tronçons ayant des caractéristiques communes. Les résultats révèlent quatre types empiriques de voies cyclables : 1) les pistes protégées de grandes rues caractérisés par des niveaux élevés de bruit et de pollution, une chaussée en mauvais état, une faible probabilité de conflit avec véhicule et une probabilité élevée de conflit avec un·e piéton·ne; 2) les bandes peinturées de grandes rues, soit des bandes cyclables au bruit et à la pollution élevée, avec une chaussée en bon état, une probabilité moyenne de conflit avec véhicule, et une très faible probabilité de conflit avec piéton·ne; 3) les peinturées de petites et moyennes rues, soit des bandes cyclables peu bruyantes, moyennement polluées, avec une chaussée en bon état, une probabilité élevée de conflit avec véhicule et une probabilité moyenne de conflit avec piéton·ne; et 4) les protégées de parcs et de petites et moyennes rues avec des niveaux bas de bruit et de pollution, une chaussée en piètre état, une faible probabilité de conflit avec véhicule, mais une probabilité élevée de conflit avec piéton·ne. \n<br /><br /> \nIncreasing cyclists’ modal share in cities brings numerous benefits to individuals and collectivities. However, urban cycling’s attractiveness depends upon the availability of quality cycling facilities. The aim of this thesis is to propose cycling infrastructure quality indicators that are based on a primary mobile data collection using instrumented bicycles (noise dosimeter, pollution sensor, accelerometer, video camera). Three scopes are covered: noise and air pollution exposure, pavement condition and road safety. Generalized Additive Models are built to predict, for each road section, expected levels of noise intensity, particulate matter (PM2,5) concentration, and conflict likelihood with a vehicle or with a pedestrian. A spatial fuzzy clustering algorithm is then used to group cycleway sections that share common characteristics. Results reveal four empirical cycleway types: 1) large roads protected bike paths, which are loud, polluted, with a poorly maintained pavement, a low likelihood of conflict with a vehicle and a high likelihood of conflict with a pedestrian; 2) large roads painted strips, which are loud and polluted, with a pavement in good condition, an average likelihood of conflict with a vehicle and a low likelihood of conflict with a pedestrian; 3) small and medium streets painted strips, which are quiet and averagely polluted, with a pavement in good condition, a high likelihood of conflict with a vehicle and an average likelihood of conflict with a pedestrian; 4) park and small and medium streets protected paths, which are quiet and not polluted, with a pavement in poor condition, a low likelihood of conflict with a vehicle, but a high likelihood of conflict with a pedestrian.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.015 | 0.046 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.003 |
| Scholarly communication | 0.002 | 0.002 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.003 | 0.004 |
| Insufficient payload (model declined to judge) | 0.000 | 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; both teacher heads agree on what is shown here.
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".