Safe Routes To Play? Pedestrian And Bicyclist Crashes Near Parks In The Los Angeles Region
Notice bibliographique
Résumé
Background: Areas near parks may present active travelers with higher risks than in other areas due to the confluence of more pedestrians and bicyclists, younger travelers, and the potential for increased traffic volumes. This paper examines active travel crash risk near parks and builds on existing research around disparities in park access and extends research from the Safe Routes to School and Safe Routes to Transit movements to parks. Methods: We utilized the Green Visions Parks coverage, encompassing Los Angeles County and several other cities in the LA Metropolitan area. We used negative bionomial regression modeling techniques and 10 years of geolocated pedestrian and bicyclist crash data to assess the risk of active travel within a quarter mile (~400 meter) buffer around parks. We controlled for differential exposures to active travel risks using travel survey data and Bayesian smoothing models. Results: Of 1,311,736 parties involved in 608,530 crashes there were 896,359 injuries and 7,317 fatalities. The risk of crash is higher for active travelers within a quarter-mile of a park than outside that buffer, with a ratio of 1.52 per 100,000 residents compared to areas outside buffer, after adjusting for varying rates of active travel in each census tract. This higher risk near parks is amplified in neighborhoods with high proportions of minority and low-income people. Higher traffic levels are highly predictive of active crashes. Conclusions: Planners should consider the higher risks of active travel near parks and the socioeconomic modification of these risks. Additional traffic calming and safety infrastructure may be needed to provide safe routes to parks.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».