Temporal and spatial distribution of moose-vehicle accidents in the Laurentides Wildlife Reserve, Quebec, Canada
Notice bibliographique
Résumé
Deer-vehicle accidents are an increasing problem in many regions of the world. To elaborate effective mitigation measures, it is necessary to determine environmental factors associated with the occurrence of such accidents. The Lauren-tides Wildlife Reserve in Quebec, Canada, is a prime example of an area having a long-lasting problem of moose-vehicle accidents (MVAs). We tested the effect of the spatial and temporal variables most likely to influence MVAs in this area based on accidents recorded over a 13-year period. Data collected included the date and time of each collision as well as the position of the accident relative to the closest 1-km road marker. We calculated 10 variables to assess moose habitat suitability, moose density, topography and road design for every 1-km road segment. There was a total of 754 MVAs during 1990–2002. The period with the highest number of accidents was the second half of June but accident frequency remained relatively high from mid-May to late August. The risk of accident per vehicle was at least 2–3 times higher at night (when traffic volume was lowest) than during any other time of the day. Also, MVAs were over 42% more frequent on Fridays, when road traffic levels were highest. The probability of an MVA increased when air temperature and atmospheric pressure were high. The MVA rate increased with moose density, in the presence of at least one brackish pool (by 80%) and when a valley traversed the road (by 120%). Implications of our results in the choice of appropriate mitigation measures are discussed. Future work should aim to describe habitat characteristics at the actual collision site.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».