Disaggregate Exposure Measures and Injury Frequency Models of Cyclist Safety at Signalized Intersections
Notice bibliographique
Résumé
This paper proposes a new approach to represent cyclist risk exposure. This approach considers disaggregate motor vehicle and cyclist flows and develops cyclist injury frequency models. Three definitions of risk exposure were used in this research, including aggregated flows, motor vehicle flows aggregated by movement type, and potential conflicts between motor vehicles and cyclists. As an application environment, a large sample of signalized intersections on the island of Montreal, Quebec, Canada, was used, along with data that comprised disaggregate motor vehicle and cyclist flows. Several negative binomial models were fitted to the data. This study showed that cyclist collisions were sensitive to changes in both cyclist and motor vehicle flows. A 10% increase in bicycle flow was associated with a 4.4% increase in the frequency of cyclist injuries. A 10% increase in the total number of motor vehicles that passed through the intersection would result in a 3.4% increase in cyclist injury occurrence. When motor vehicle flows were considered on the basis of movement type, right-turn movements had a great effect on injury occurrence. Similar results, which identified right turns as having the greatest effect on cyclist injuries, were produced when the impact of potential conflicts was determined. The number of bus stops in the proximity of the intersection increased cyclist injury occurrence. Some geometric design factors, such as the presence of a median, parking entrance, and the number of intersection legs, were tested. The effect, however, was found to be statistically nonsignificant.
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 distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».