Examining the factors affecting the severity of run-off-road crashes in Abu Dhabi
Notice bibliographique
Résumé
Recently, the severity of injuries resulting from traffic crashes has been extensively investigated in numerous studies. However, the number of studies that addressed the severity of the run-off-road (ROR) crashes is relatively low. In the Emirate of Abu Dhabi (AD), approximately 22% of the total serious crashes and fatalities that occurred from 2007 to 2013 were ROR crashes. Despite these facts and the uniqueness of the composition of licensed drivers in AD (approximately 87% of them are non-Emiratis), the factors affecting the occurrence and severity of ROR crashes in AD have not been explicitly addressed in any prior studies. Therefore, this study aims to investigate the characteristics of at-fault drivers involved in ROR crashes in AD, the nature and main causes of those crashes. In this regard, conditional distribution and two-way contingency tables were developed. In addition, this study aims to identify and quantify the factors affecting the severity of ROR crashes such as driver, road, vehicle and environment factors. To achieve this goal, ordered probit model approach was employed. Crash data for a total of 3819 ROR crashes that occurred in AD were employed in the analysis. The results indicated that driver factors (carelessness, speeding, and nationality), vehicle characteristics (vehicle type), and road and environment factors (road type, crash location and road surface condition) were the significant factors influencing the severity of ROR crashes in AD. Countermeasures to improve traffic safety and reduce numbers and severity of ROR crashes in AD were discussed.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 ».