MétaCan
Menu
Retour à la cohorte
Enregistrement W1991859579 · doi:10.1080/19439960903328595

Effects of Neighborhood Street Patterns on Traffic Collision Frequency

2009· article· en· W1991859579 sur OpenAlexafffundabout
Shakil Mohammad Rifaat, Richard Tay, Alex Perez, Alex De Barros

Notice bibliographique

RevueJournal of Transportation Safety & Security · 2009
Typearticle
Langueen
DomaineEngineering
ThématiqueTraffic and Road Safety
Établissements canadiensUniversity of Calgary
Organismes subventionnairesAlberta Motor Association Foundation for Traffic SafetyNatural Sciences and Engineering Research Council of CanadaMcGill University
Mots-clésTransport engineeringCollisionGeographyComputer scienceEngineeringComputer security

Résumé

récupéré en direct d'OpenAlex

Over the last 50 years, the loops and lollipop design has become the basic building block of many urban neighborhoods. In the field of traffic engineering, this combination of cul-de-sacs and loop streets is designed to discourage through traffic and improve road safety and thus has the support of many traffic engineers. Perhaps due to its intuitive appeal, few studies were conducted to examine the impact of this design on road crashes. Using the City of Calgary in Canada as a case study, this study examines the effects of different neighborhood street patterns on the number of reported crashes. Our results suggest that currently popular road patterns such as warped parallel, loops and lollipops, lollipops on a stick, and mixed shapes are associated with fewer crashes than traditional gridiron pattern.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,035
Score d'incertitude au seuil0,070

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,003
Tête enseignante GPT0,200
Écart entre enseignants0,197 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations25
Publié2009
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueJournal of Transportation Safety & SecurityMême sujetTraffic and Road SafetyTravaux en français237 207