A New GNB Model of Crash Frequency for Freeway Sharp Horizontal Curve Based on Interactive Influence of Explanatory Variables
Notice bibliographique
Résumé
Crash prediction of the sharp horizontal curve segment of freeway is a key method in analyzing safety situation of freeway horizontal alignment. The target of this paper is to improve predicting accuracy after considering the elastic influence of explanatory variables and interaction of explanatory variables on crash rate prediction. In the paper, flexibility and elasticity are defined to express the elastic influence of explanatory variables and interaction of explanatory variables on crash rate prediction. Thus, we proposed 6 types of models to predict crash frequency. These 6 types of models include 2 NB models (models 1 and 2), 2 GNB models (models 3 and 4), one NB model (model 5), and one GNB model (model 6) with flexibility and variable elasticity considered. The alignment and crash report data of 88 sharp horizontal curve segments from different institutions were surveyed to build the crash models. Traffic volume, highway horizontal radius, and curve length have been assigned as explanatory variables. Subsequently, statistical analysis is performed to determine the model parameters and conducted sensitivity analysis by AIC, BIC, and Pseudo R2. The results demonstrated the effective use of flexibility and elasticity in analyzing explanatory variables and in predicting freeway sharp horizontal curve segments. In six models, the result of model 6 is much better than those of the other models by fitting rules. We also compared the actual results from crashes of 88 sharp horizontal curve segments with those predicted by models 1, 3, and 6. Results demonstrate that model 6 is much more reasonable than the others.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,005 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,002 |
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 source (Gemma direct ou Codex distillé), 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 ».