Exploring Evasive Action–Based Indicators for PTW Conflicts in Shared Traffic Facility Environments
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Surrogate safety measures such as traffic conflicts are gaining more and more attention for traffic safety analysis. The traffic conflict technique evaluates the frequency and severity of traffic conflicts at a location typically using various time proximity indicators such as the time-to-collision (TTC) and post-encroachment time (PET). However, growing concerns have been raised that time proximity indicators may not be effective measures for measuring conflict severity in less-organized traffic environments. In such environments, mixed road users are likely to share small spaces and take evasive action to prevent conflicts or collisions. The objective of this study was to examine and compare the time proximity (TTC) indicator and evasive action-based (yaw rate and jerk) indicators for evaluating the severity of powered two-wheeler (PTW) conflicts. PTW usage is growing in many developing countries such as China, and there has been concern about their impact on safety. Video data were collected at a middle block shared traffic street in Kunming, China. Traffic conflict analysis was conducted using automated video-based computer vision techniques. Ordered-response models were used to relate the conflict indicators to safety experts’ evaluation of conflict severity. A random effect model was developed to account for the unobserved heterogeneity that affects conflict severity. As well, a random intercept model was developed to assess the effect of incorporating the variation in each expert evaluation. The results showed that the yaw rate ratio was efficient in measuring conflict severity for electric (e)-scooters, motorcycles, and bicycles. The TTC was an efficient indicator in measuring conflict severity for e-bikes and bicycles.
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.
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 | 0,000 | 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 découle