MétaCan
Menu
Retour à la cohorte
Enregistrement W2573549540

Analysis of Road User Behavior and Safety during New York City’s Summer Streets Program

2016· article· en· W2573549540 sur OpenAlexaff
Mohamed Hussein, Bianca Popescu, Tarek Sayed, Lee Kim

Notice bibliographique

RevueTransportation Research Board 95th Annual Meeting · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueTraffic and Road Safety
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésPedestrianIntersection (aeronautics)Transport engineeringPedestrian crossingComputer scienceSimulationEngineering
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Automated computer vision video analysis techniques were used to analyze video data during the operation of New York City’s Summer Streets Program at a major signalized intersection. The main objectives of this study were to diagnose pedestrian and cyclist safety issues during the shared space operation and to demonstrate the feasibility of the automatic extraction of road user data (e.g., pedestrian, runner, rollerblader, or cyclist) required for microscopic behavior analysis. Road users’ speeds and pedestrian gait parameters (step frequency and step length) were automatically extracted and analyzed. Results show that pedestrian walking speed was highest during the Summer Streets operation (1.49 ± 0.54 m/s) because pedestrians had more street space to use and slowest during normal operations (1.30 ± 0.22 m/s). Bike speeds were low during the Summer Streets event (3.62 ± 0.97 m/s), likely because of interaction with pedestrians, but these speeds increased during normal traffic operations. Pedestrians and ...

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,141
Score d'incertitude au seuil0,616

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,034
Tête enseignante GPT0,314
Écart entre enseignants0,280 · 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 tête enseignante, 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

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTransportation Research Board 95th Annual MeetingMême sujetTraffic and Road SafetyTravaux en français237 207