Development of safety performance functions and a GIS based spatial analysis of collision data for the City of Saskatoon
Notice bibliographique
Résumé
The American Association of State Highway and Transportation Officials (AASHTO) produced the first edition of the Highway Safety Manual (HSM) in 2010. The HSM introduces a six-step safety management process which provides engineers with a systematic and scientific approach to identifying and managing safety concerns on a road network. Each step plays a vital role in improving the safety of target road networks, and the first step, network screening, is the step where the safety issues are first identified. This is accomplished through the use of a series of Safety Performance Functions (SPFs). SPFs are mathematical equations that relate the collision frequency at a particular location with traffic volume and roadway characteristics. The purpose of this research is to develop a series of locally derived SPFs for the City of Saskatoon to allow engineers to estimate the expected number of collisions for the purpose of evaluating new roadway design alternatives and screening the existing roadway network in terms of safety. By developing locally derived SPFs, it may be possible to obtain a better prediction of the expected number of collisions than from using the base model SPFs provided in the HSM. The development of SPFs required three separate databases containing roadway characteristics, traffic volume, and collision records to be integrated into a single database. Using the statistical program R-Language, SPFs were developed and validated for the City of Saskatoon. The developed SPFs were used to conduct a network screening of Saskatoon’s roadways and intersections to identify locations with safety concerns. The results from the network screening were incorporated into ArcGIS to allow for a visual analysis of the spatial collision patterns. Finally, the locally derived SPFs were compared with the HSM base model SPFs to determine if other jurisdictions would benefit from developing their own locally derived SPFs for urban areas.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».