DRAG, model of the Demand for Road use, Accidents and their Severity, applied in Quebec from 1956 to 1982.
Notice bibliographique
Résumé
We develop a five-layer procedure to explain the impact of various factors on the monthly demand for road use and the number of road accident victims in Quebec as a whole from December 1956 until December 1982. The first layer consists of a model of total motor vehicle fuel sales (gasoline and diesel) from which we extract fuel sales for road use. This measure of transportation demand is the object of further analysis in the second layer and appears among the explanatory variables of both the number of accidents by type (material damages, non-mortal and mortal) and their severity (morbidity and mortality rates) which are explained in the third and the fourth layers, respectively. Results from the demand, accident and severity equations are combined to yield, in the fifth layer, evaluations of the effect of the factors considered on the number of persons hurt, killed, or on the total number of these road victims. The nine equations estimated define a REFERENCE MODEL which involves 60 distinct factors, approximately 40 of which are used in any given equation. In addition, a number of MODEL VARIANTS are studied: they require an additional 20 variables. Explanatory factors considered belong to seven major categories: demand, prices, motor vehicles (quantities and characteristics), network (legal regimes and police, service levels of modes, infrastructure quality), consumer characteristics (general, age, sex, vigilance), economic activities and trip purposes, and other (administrative, aggregation and seasonal/constant). The statistical model makes extensive use of flexible (Box-Cox) functional forms and simultaneously estimates the error distribution parameters (multiple autocorrelation and heteroscedasticity of a general nature) in order to obtain white noise constant variance equation residuals.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 0,002 |
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 ».