Vehice-Pedestrian Accidents at Signalized Intersections: Exposure Measures and Geometric Designs
Notice bibliographique
Résumé
Pedestrian safety is a topic of growing concern. To better understand the environmental factors (traffic controls, geometric and land use factors) associated with pedestrian-vehicular accidents, this paper presents a methodology for quantifying pedestrian accidents at signalized intersections. For this purpose, a rich and unique intersection inventory with geometry and accident data was built and analyzed comprising a very large sample of 1,871 signalized intersections across the island of Montreal, Canada. To investigate the impact of vehicle movements, three separate definitions of risk exposure were used: completely aggregated flows, motor-vehicle flows aggregated by movement type (left, right and through movements) and disaggregated flows analyzing potential conflicts between motor vehicles and pedestrians. Various negative binomial models were fitted to the data with and without geometric design characteristics. Among other findings, vehicular traffic is found to be the main contributing factor in accordance with previous works. It was a bit surprising to see that through vehicular movements at intersections had a greater effect on accident rates than left and right turns. A separate analysis was conducted to incorporate geometric variables into the risk exposure models. Significant geometric properties included pedestrian phasing, exclusive left turn lanes, commercial entrances and exits, total crossing distance, curb extension and number of lanes. Exclusive left turn lanes, pedestrian phasing and curb extensions were found to decrease pedestrian accidents, whereas longer crossing distances, number of lanes and more commercial entrances and exits were found to significantly increase pedestrian-vehicular accidents after controlling for vehicular and pedestrian flows.
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 | 0,006 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».