Application of Extreme Value Theory for Before-After Road Safety Analysis
Notice bibliographique
Résumé
Because of well-recognized quality and quantity problems associated with historical crash data, traffic conflict techniques have been increasingly used in before-after safety analysis in recent years. This study proposes using an extreme value theory (EVT) approach to conduct traffic conflict-based before-after analysis. The capability of providing confident estimation of extreme events by the EVT approach drives the before-after analysis to shift from normal traffic conflicts to more serious conflicts, which are relatively rare but have more in common with actual crashes. The approach is applied to evaluate the safety effects of converting channelized right-turn lanes into smart channels, based on traffic conflicts defined by time to collision (TTC) and collected from three treatment intersections and one control intersection in the city of Penticton, British Columbia. Odds ratios and treatment effects are calculated from extreme-serious conflicts, the frequencies of which are estimated from the generalized Pareto distributions of traffic conflicts with TTC⩽0.5 s. The results show approximately 34% reduction in total extreme-serious conflicts (i.e., combining merging conflicts and rear-end conflicts), indicating overall a remarkable safety improvement following the smart channel treatment. This finding is consistent with the analysis result based on traffic conflicts with TTC⩽3.0 s. It is also found that the reduction in extreme-serious merging conflicts is small and insignificant. This is caused by the phenomenon that TTC values of merging conflicts become smaller after the treatment, and it is possibly because drivers become more aggressive with the better view of approaching cross-street traffic provided by the smart channel.
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 | 0,012 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,005 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».