MétaCan
Menu
Retour à la cohorte
Enregistrement W2014639691 · doi:10.3141/2056-10

Safety Evaluation of Flashing Beacons at Stop-Controlled Intersections

2008· article· en· W2014639691 sur OpenAlexaff
Raghavan Srinivasan, Daniel Carter, Bhagwant Persaud, Kimberly Eccles, Craig Lyon

Notice bibliographique

RevueTransportation Research Record Journal of the Transportation Research Board · 2008
Typearticle
Langueen
DomaineEngineering
ThématiqueTraffic and Road Safety
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesFederal Highway AdministrationSouth Carolina Department of TransportationNorth Carolina Department of Transportation
Mots-clésBeaconFlashingPoison controlTransport engineeringLanternEngineeringRegression toward the meanStatisticsMathematicsMedicineTelecommunicationsEnvironmental health

Résumé

récupéré en direct d'OpenAlex

FHWA organized a pooled fund study of 26 states to evaluate low-cost safety strategies as part of its strategic highway safety effort. One of the strategies chosen to be evaluated was the installation of flashing beacons at stop-controlled intersections. The intent of flashing beacons is to reduce the frequency of crashes related to driver unaware-ness of stop control. Geometric, traffic, and crash data were obtained at stop-controlled intersections for 64 sites in North Carolina and 42 sites in South Carolina. Empirical Bayes methods were incorporated in a before–after analysis to determine the safety effectiveness of installing flashing beacons while accounting for potential selection bias and regression-to-the-mean effects. Overall, installation of flashing beacons in North Carolina resulted in statistically significant reductions in total, angle, and injury-plus-fatal crashes. The intersections in South Carolina experienced little change following the introduction of flashing beacons, but the combined results from both states still indicated a statistically significant reduction in angle and injury-plus-fatal crashes. An economic analysis indicated that standard flashing beacons can achieve a 2:1 benefit–cost ratio.

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)0,017
score de la tête « metaresearch » (Gemma)0,019
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 enseignants0,017
Score d'incertitude au seuil0,088

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0170,019
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,097
Tête enseignante GPT0,359
Écart entre enseignants0,262 · 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

Citations15
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTransportation Research Record Journal of the Transportation Research BoardMême sujetTraffic and Road SafetyTravaux en français237 207