Application of Innovative Time Series Methodology to Relationship between Retroreflectivity of Pavement Markings and Crashes
Notice bibliographique
Résumé
The innovative time series methodology that is presented was used to examine the relationship between the safety impact of longitudinal pavement markings and their retroreflectivity. The need for the methodology was determined through an examination of the pavement marking safety literature, the desire to build on previous retroreflectivity research, and an understanding of how retroreflectivity is a function of the age of pavement markings and markers. The time series methodology involves solving for multipliers that represent the change in the expected number of crashes as a function of pavement marking retroreflectivity while simultaneously solving for seasonal effect multipliers. The time series methodology is explained in detail; its usefulness has been demonstrated through the analysis of 8 years of pavement marking and marker installation data, traffic volumes, and crash data. Safety effect multipliers were solved for yellow and white pavement markings separately and in combination. The multipliers covered different road types and crash severities by using retroreflectivity models and California's data for more than 118,000 nonintersection, nondaylight (night, dawn, and dusk) recorded crashes. To apply the time series methodology, it was necessary to develop retroreflectivity models as a function of age, color, marking material type or marker type, climate region, and amount of snow removal. The results showed that retroreflectivity levels have no effect to a small effect on the safety performance of those roadways maintained to a reasonable level of pavement marking.
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 | 0,007 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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) | 0,002 | 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 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 ».