MétaCan
Menu
Retour à la cohorte
Enregistrement W1964473472 · doi:10.4271/2013-01-0466

Effects of Vehicle Mass and Other Parameters on Driver Relative Fatality Risk in Vehicle-Vehicle Crashes

2013· article· en· W1964473472 sur OpenAlex
Yibing Shi, Guy S. Nusholtz

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueSAE International Journal of Transportation Safety · 2013
Typearticle
Langueen
DomaineMedicine
ThématiqueAutomotive and Human Injury Biomechanics
Établissements canadiensChrysler (Canada)
Organismes subventionnairesNational Highway Traffic Safety Administration
Mots-clésMotor vehicle crashAeronauticsAutomotive engineeringVehicle safetyEngineeringPoison controlEnvironmental healthInjury preventionMedicine

Résumé

récupéré en direct d'OpenAlex

<div class="section abstract"><div class="htmlview paragraph">Regression models are used to understand the relative fatality risk for drivers in front-front and front-left crashes. The field accident data used for the regressions were extracted by NHTSA from the FARS database for model years 2000-2007 vehicles in calendar years 2002-2008. Multiple logistic regressions are structured and carried out to model a log-linear relationship between risk ratio and the independent vehicle and driver parameters. For front-front crashes, the regression identifies mass ratio, belt use, and driver age as statistically significant parameters (p-values less than 1%) associated with the risk ratio. The vehicle type and presence of the ESC are found to be related with less statistical significance (p-values between 1% and 5%). For front-left crashes the driver risk ratio is also found to have a log-log linear relationship with vehicle mass ratio.</div><div class="htmlview paragraph">The driver risk ratio relationship to the vehicle mass ratio is consistent with conservation of momentum and can be used with the literature reported relationship between absolute risk and velocity change, to predict the dependence of the driver fatality risk on its own mass when crashing into other vehicles in a fleet. For front-front crashes, the model indicates that when the subject vehicle mass is at half the fleet mean mass, the risk for the driver is about 3 times that of a driver in a vehicle at the fleet average mass, and it is about 50%, when the vehicle mass is twice the fleet average.</div><div class="htmlview paragraph">The difficulty in defining independent effects from size and mass using existing field data is discussed for the front-front crash data. Results show that out of the vehicle mass ratio, wheelbase ratio, and footprint ratio, the mass ratio is the best single predictor of the risk ratio: combining these “size” ratios with the mass ratio degrades the fit due to the high correlations between them. Examination of conditional risk shows that, for front-front crashes, the driver fatality does not show a significant dependence on vehicle wheelbase when the mass ratio of the two vehicles is already taken into account.</div></div>

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,113
Score d'incertitude au seuil0,425

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,012
Tête enseignante GPT0,269
Écart entre enseignants0,257 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle