Ce service fournit l’organisation du trafic. Ceux-ci incluent direction établie (obligatoire) du trafic, direction recommandée du trafic, lignes de séparation, zones de séparation, limites de zone de mesure d’organisation de trafic restreint, limites de mesure d’organisation de trafic, zone de prudence, voie de circulation archipélagique (axe et limite au-delà de laquelle les vaisseaux ne doivent pas naviguer) et des chenaux désignés par les autorités régulatrices.

La classe d'entretien des autoroutes définit le niveau de service pour l'entretien de l'autoroute, normalement, en fonction du type d'utilisation du trafic et du volume de trafic. Cette couche contient des polylignes** Cet élément de métadonnées provenant d’une tierce partie a été traduit à l'aide d'un outil de traduction automatisée (Amazon Translate). **

Carte du volume du trafic routierCarte du volume du trafic provincial avec les chiffres de trafic quotidiens annuels moyens** Cet élément de métadonnées provenant d’une tierce partie a été traduit à l'aide d'un outil de traduction automatisée (Amazon Translate).**

La couche spatiale Landmark Kilometre Inventory est principalement utilisée par le ministère des Transports et des Infrastructures (MOT) pour représenter les itinéraires sur lesquels les données sur les accidents et les chiffres de trafic sont collectées. Cette méthode décrit les routes par une désignation à quatre chiffres appelée segment (c'est-à-dire 0375). Cette couche spatiale a été créée sur la base de la ligne centrale de l'Atlas routier numérique (DRA) à l'aide d'un référencement linéaire** Cet élément de métadonnées provenant d’une tierce partie a été traduit à l'aide d'un outil de traduction automatisée (Amazon Translate). **

Cet ensemble de données présente les comptages du trafic moyen journalier annuel (TMJA) à des points précis du réseau routier de MTI. Les données ont été collectées en 2023.

Description:Des données sur la navigation de plaisance sont nécessaires pour les initiatives de planification spatiale marine en Colombie-Britannique (C.-B.). Les données sur le trafic maritime sont généralement obtenues en analysant les données de suivi des navires du système d'identification automatique (SIA), mais les bâtiments de plaisance sont souvent omis ou sous-représentés dans les données du SIA parce qu'ils ne sont pas tenus de porter des dispositifs de repérage SIA. Le Programme national de surveillance aérienne (PNSA) de Transports Canada a effectué des relevés aériens afin de recueillir des renseignements sur les bateaux de plaisance le long de plusieurs sections de la côte de la Colombie-Britannique entre 2018 et 2022. Les observations de bateaux de plaisance ont été modélisées en fonction de variables prédictives (p. ex. distance jusqu'au rivage, profondeur de l'eau, distance et densité des marinas) pour prédire le nombre de bateaux de plaisance le long des eaux côtières de la Colombie-Britannique.Les dossiers inclus ici sont les suivants :Une géobase de données « Recreational_Boating_Data_Model », qui comprend : (1) les données sur les observations de bateaux de plaisance recueillies par le PNSA en Colombie-Britannique et utilisées dans le modèle de trafic des bateaux de plaisance (« Recreational_Vessels_PointData_BC ») ; (2) un ensemble de données de levé aérien (ou nombre de relevés aériens) (« surveyeffort ») ; et (3) un ensemble de données vectorielles (résolution de 2,5 km) contenant le nombre prévu de bateaux de plaisance par cellule et les variables prédictives (« Recreational_Boating_Model_Results_BC).Dossier de scripts comprenant le fichier R Markdown avec le code R pour exécuter l'analyse de modélisation ('Recreationa_Boating_Model_R_Script') et les données utilisées pour exécuter le code.Méthodes :Les données sur les navires de plaisance ont été recueillies par le PNSA au cours de relevés aériens planifiés le long de trajets prédéterminés sur la côte de la Colombie-Britannique de 2018 à 2022. Les données sur les navires de plaisance non pourvus du SIA ont été recueillies à l’aide de caméras vidéo à bord de l’avion, et les données sur les navires de plaisance pourvus du SIA, à l’aide d’un récepteur du SIA également à bord de l’avion. Les facteurs prédictifs de la navigation de plaisance étudiés étaient la profondeur de l’eau, la distance jusqu’au rivage, la distance et la densité des marinas, la latitude et la longitude. Les modèles de trafic des navires de plaisance ont été adaptés à l’aide de modèles linéaires généralisés (MLG). Les progiciels et bibliothèques R utilisés ici comprennent les suivants : AED (Roman Lustrik 2021) et MASS (Venables et Ripley 2002), progiciel pscl (Zeileis, Kleiber et Jackman 2008) pour les fonctions « zeroinfl() » et « hurdle() ». Le modèle définitif a été choisi en fonction du critère d’information d’Akaike (AIC) et du critère d’information bayésien (BIC). Un fichier R Mardown avec le code utilisé pour l’exécution de cette analyse est inclus dans le jeu de documents dans un dossier appelé Script. Modèle de prévision spatiale : On a choisi le modèle binomial négatif à inflation nulle, qui est composé de deux parties : une première comptant un processus binomial qui prévoit la probabilité de rencontre d’un navire de plaisance et une deuxième prévoyant le nombre de navires de plaisance au moyen d’un modèle de dénombrement. Plus on s’approche du rivage et des marinas, plus la densité des marinas est élevée et plus le nombre prévu de navires de plaisance est élevé. La probabilité de rencontre de navires de plaisance est dictée par la profondeur de l’eau et la distance jusqu’au rivage. Pour en savoir plus sur la méthodologie, consultez le fichier PDF des métadonnées accessible avec le dossier des données ouvertes.Références :Serra-Sogas, N. et al. 2021. Using aerial surveys to fill gaps in AIS vessel traffic data to inform threat assessments, vessel management and planning. Marine Policy 133: 104765. https://doi.org/10.1016/j.marpol.2021.104765Sources des données :Observations et efforts déployés pour réaliser des relevés de navires de plaisance : Données recueillies par le PNSA et analysées par Norma Serra aux fins d’obtention d’information sur les navires et de déploiement d’efforts pour l’exécution de relevés (pour plus de renseignements sur la façon dont ces données ont été analysées, consulter SerraSogas et al. 2021). Les données du système de bathymétrie pour toute la côte de la Colombie-Britannique et uniquement les eaux de la ZEE canadienne ont été fournies par le MPO – Sciences (Selina Agbayani). La couche de données a été présentée sous forme de fichier de données ligne par ligne d’une résolution de 100 mètres. Le jeu de données sur le littoral utilisé pour l’estimation de la distance jusqu’au rivage et la découpe d’une grille a été fourni par le MPO – Sciences (Selina Agbayani), créé par David Williams et Yuriko Hashimoto (MPO – Océans). Le jeu de données sur les marinas a été fourni par le MPO – Sciences (Selina Agbayani), créé par Josie Iacarella (MPO – Sciences). Ce jeu de données comprend des marinas de grande et moyenne taille ainsi que des camps de pêche. Les données peuvent être téléchargées ici : Structures flottantes dans les eaux du nord-ouest de l’Amérique du Nord – Portail du gouvernement ouvert (https://open.canada.ca/data/fr/dataset/049770ef-6cb3-44ee-afc8-5d77d6200a12).IncertitudesLes résultats du modèle sont basés sur les navires de plaisance observés dans le cadre du PNSA et des variables connexes servant de facteurs prédictifs, et ne reflètent pas toujours la répartition réelle des navires. Tous les biais découlant de la nature opportuniste des relevés effectués dans le cadre du PNSA ont été réduits au minimum en utilisant les efforts visant à réaliser des relevés comme variable de décalage.

Trafic quotidien moyen annuel pour les différents tronçons routiers de la province, pour l'année 2015.** Cet élément de métadonnées provenant d’une tierce partie a été traduit à l'aide d'un outil de traduction automatisée (Amazon Translate). **

Trafic quotidien moyen annuel pour les différents tronçons routiers de la province, pour l'année civile 2016.** Cet élément de métadonnées provenant d’une tierce partie a été traduit à l'aide d'un outil de traduction automatisée (Amazon Translate). **

Trafic quotidien moyen annuel pour les différents tronçons routiers de la province, pour l'année civile 2017.** Cet élément de métadonnées provenant d’une tierce partie a été traduit à l'aide d'un outil de traduction automatisée (Amazon Translate). **

Trafic quotidien moyen annuel pour les différents tronçons routiers de la province, pour l'année civile 2018.** Cet élément de métadonnées provenant d’une tierce partie a été traduit à l'aide d'un outil de traduction automatisée (Amazon Translate). **