Near-miss accident analysis for traffic safety improvement at a ‘channelized’ junction with U-turn
Notice bibliographique
Résumé
A near-miss is an unplanned event that can precede events in which a loss or injury could occur. Therefore, it is an indicator leading to an accident. Near-miss analysis does not look at what happened but look into what could have happened. Serious conflicts are the result of a breakdown in the interaction between the road user, environment and vehicle, which leads to traffic accidents. As the similarity between accidents and serious conflicts is striking, accidents can basically be prevented by isolating and handling the conflicts potentials. The Swedish Traffic Conflict analysis of near-miss accidents is adopted in this study to improve the traffic safety of a channelized junction with U-turn at LentengAgung, Jakarta. The junction is a two-way junction with a wide median and an island. The location has been indicated as an accident-prone location with high conflict rates. A set of traffic video-recordings employing a number of surveyors at different points of observations were carried out on-site to obtain real near-miss accidents. Prior to the survey, surveyors practiced judging vehicles running speeds until they reached a certain maximum error of judgment. Evasive actions such as braking, swerving and accelerating were recorded, and actions were classified into serious and non-serious conflicts based on the time-to-accidents and speeds. The results of the analysis show that almost all of the total recorded conflicts fall in the category of serious conflicts. An improvement scheme of the junction with reduced potential traffic conflicts is proposed, which can be expected to lower the accidents occurrences.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».