Effects of Vehicle Mass and Other Parameters on Driver Relative Fatality Risk in Vehicle-Vehicle Crashes
Notice bibliographique
Résumé
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. 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. 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.
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 | 0,003 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».