A video-based methodology for extracting microscopic data and evaluating safety countermeasures at intersections using surrogate safety indicators
Notice bibliographique
Résumé
Les piétons et les cyclistes sont parmi les usagers les plus vulnérables de la route puisque leurs accidents avec des véhicules motorisés entraînent des taux élevés de blessures et de décès pour ces usagers. La collecte de données pour les usagers de la route non-motorisés demeure un défi et les méthodes de collecte de données automatiques sont beaucoup plus avancés pour les usagers motorisés. Pour améliorer la sécurité des cyclistes et promouvoir le cyclisme urbain, les villes construisent des infrastructures pour les cyclistes comme des pistes cyclables et des sas vélo (« bicycle box »). Ces aménagements se sont répandus, mais en raison du manque de données et des problèmes avec la collecte de données automatique pour les cyclistes, peu d'études approfondies ont été réalisées pour mesurer les impacts sur la sécurité de ces infrastructures. La majorité des études de la sécurité des usagers non-motorisés repose sur des analyses traditionnelles des données d'accidents et de blessures. Une lacune importante de cette approche traditionnelle est la nécessité d'attendre que des accidents se produisent pendant plusieurs années pour effectuer les évaluations des traitements de sécurité. Parmi les alternatives aux méthodes d'analyse de la sécurité traditionnelles, se développent les méthodes substituts de sécurité qui peuvent fournir des données statistiquement suffisantes pendant une période de temps plus courte. Cependant, pour réaliser des études substituts de sécurité, des données microscopiques sur les usagers de la route sont nécessaires. Pour combler les lacunes de la littérature et améliorer la collecte de données microscopiques pour les usagers de la route non motorisés, cette thèse présente une méthode automatique (qui complète un système de suivi vidéo développé précédemment) pour classifier les usagers de la route dans des vidéos de circulation. Les usagers de la route sont classifiés en trois catégories principales: les piétons, les cyclistes et les véhicules motorisés, avec une précision globale de plus de 95 %. En plus de la capacité de cette méthode à compter les différents mouvements des usagers de la route (constituant des mesures d'exposition), cette méthode fournit des données microscopiques de trajectoire pour chaque type d'usager. En conséquence, la réalisation d'études substituts de sécurité automatiques, y compris des études impliquant des usagers non-motorisés, devient possible. Dans le cadre de cette thèse, la relation entre la mesure substitut de sécurité utilisée dans cette recherche, soit le temps post-empiètement, et des données historiques d'accidents a été étudiée et montre une forte corrélation. À l'aide de plusieurs heures de vidéo enregistrées dans un ensemble d'intersections à Montréal, analysées avec les techniques proposées, les effets de deux types d'infrastructures cyclables, à savoir les pistes cyclables et les sas vélo, ont été étudiés. Les résultats montrent que pour les interactions entre les cyclistes et les véhicules qui tournent, une piste cyclable sur le côté droit de la route est plus sûre que l'absence de piste cyclable ou qu'une piste cyclable sur le côté gauche de la route. De plus, l'étude de la sécurité des sas vélo aux intersections révèle que ce type d'installation est associé à une réduction significative de la sévérité des interactions (augmentation du temps post empiétement) entre les cyclistes et les véhicules.
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 | 0,002 | 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 ».