MétaCan
Menu
Retour à la cohorte
Enregistrement W2839212216 · doi:10.1139/cjce-2018-0060

Are school zones effective in reducing speeds and improving safety?

2018· article· en· W2839212216 sur OpenAlexafffundvenue
Danyang Sun, Karim El‐Basyouny, Shewkar Ibrahim, Amy Kim

Notice bibliographique

RevueCanadian Journal of Civil Engineering · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueTraffic and Road Safety
Établissements canadiensCanadian Patient Safety InstituteUniversity of Alberta
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésPercentileSpillover effectSpeed limitEnvironmental scienceTraffic speedCollisionPoison controlTransport engineeringStatisticsMedicineComputer scienceEngineeringMathematicsEnvironmental health

Résumé

récupéré en direct d'OpenAlex

This paper describes a study undertaken to assess the speed and safety effects of reducing speed limits from 50 to 30 km/h in school zones. Mean speeds and 85th percentile speeds were reduced by 12.2 and 11.6 km/h, respectively. Speed variation was also reduced, and the speed cumulative distributions shifted to the left, indicating further reductions for all speed ranges. The safety evaluation results revealed fatal and injury collisions were significantly reduced by 45.3% and injuries to vulnerable road users were reduced by 55.3%. In fact, for every 1 km/h reduction in mean speed, fatal and injury crashes were reduced by about 4%, which is consistent with findings from previous research. Neither spatial nor temporal collision migration or spillover effects were significant factors in the analysis. Consequently, the results of this study provide strong evidence that reducing speed limits to 30 km/h in school zones can bring significant safety benefits by reducing vehicular speeds and fatal and injury crashes.

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)0,000
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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,832
Score d'incertitude au seuil0,943

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
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 Opus0,003
Tête enseignante GPT0,168
Écart entre enseignants0,164 · 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'étudeSimulation ou modélisation
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

Citations33
Publié2018
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Civil EngineeringMême sujetTraffic and Road SafetyTravaux en français237 207