A Comprehensive Analysis for the Heterogeneous Effects on Driver Injury Severity in Single-Vehicle Passenger Car and SUV Rollover Crashes
Notice bibliographique
Résumé
In road traffic crashes, although rollover crashes account for a relatively low proportion, those result in a high fatality rate. The present study performed random parameters ordered logit models to examine risk factors as well as their heterogeneous effects on driver injury severity in single-vehicle passenger car and SUV rollover crashes. Crash data for the empirical analysis were extracted from Texas Crash Record Information System (CRIS) database during the year 2016. Model estimation results show that six variables (male drivers, drivers’ age, airbag deployment, failure to drive in single lane, speed limit, and rural area) were found to produce normally distributed parameters in passenger car model, while nine parameters (male drivers, safety belt use, airbag deployment, drug or alcohol use, failure to drive in single lane, improper evasive action, vehicle model year, friday, and rural area) in SUV model were found to be normally distributed. Several other factors with fixed parameters were found to be associated with driver injury severity in single-vehicle passenger car or SUV rollover crashes, most notably: ejection or partial ejection, turning left, intersection, August, adverse weather conditions, and night with light. These variables were significant in both models; most variables have stronger effects on nonincapacitating injury and serious injury outcomes in SUV than in passenger car rollover crashes. These findings provide a deep insight into causality nature and factor involved in driver injury severity in single-vehicle passenger car and SUV rollover crashes and are also helpful for transport agencies to determine appropriate countermeasures aimed at mitigating injuries sustained by drivers in single-vehicle rollover crashes.
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 | 0,004 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».