Evaluation of Roundabout Safety Performance through Surrogate Safety Measures from Microsimulation
Notice bibliographique
Résumé
The paper presents a microsimulation-based approach for roundabout safety performance evaluation. Based on a sample of Slovenian roundabouts, the vehicle trajectories exported from AIMSUN and VISSIM were used to estimate traffic conflicts using the Surrogate Safety Assessment Model (SSAM). AIMSUN and VISSIM were calibrated for single-lane, double-lane and turbo roundabouts using the corresponding empirical capacity function which included critical and follow-up headways estimated through meta-analysis. Based on calibration of the microsimulation models, a crash prediction model from simulated peak hour conflicts for a sample of Slovenian roundabouts was developed. A generalized linear model framework was used to estimate the prediction model based on field collected crash data for 26 existing roundabouts across the country. Peak hour traffic distribution was simulated with AIMSUN, and peak hour conflicts were then estimated with the SSAM applying the filters identified by calibrating AIMSUN and VISSIM. The crash prediction model was based on the assumption that the crashes per year are a function of peak hour conflicts, the ratio of peak hour traffic volume to average daily traffic volume and the roundabout outer diameter. Goodness-of-fit criteria highlighted how well the model fitted the set of observations also better than the SSAM predictive model. The results highlighted that the safety assessment of any road unit may rely on surrogate safety measures, but it strongly depends on microscopic traffic simulation model used.
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 | 0,001 | 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 | 0,001 |
| 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 ».