Investigating factors affecting injury severity in bicycle–vehicle crashes: a day-of-week analysis with partial proportional odds logit models
Notice bibliographique
Résumé
Cyclists are vulnerable road users and prone to experience severe injury when accidents occur. Both driving and riding behaviors of drivers and cyclists could vary in different days of week, which further influences the injury severity of crashes involving cyclists. This study aims to investigate the factors that affect injury severity in crashes involving cyclists on weekdays and weekends separately using police-reported data ranging from 2007 to 2018 in North Carolina. The impact of cyclist, driver, vehicle, road, environment, and crash characteristics on injury severities are explored. Ordered logit model and partial proportional odds logit models are developed respectively for the injury severities of crashes on weekdays and weekends. Different sets of significant factors are identified for weekdays and weekends. For the common factors identified for both weekdays and weekends, the influencing extent of significant variables varies significantly between weekdays and weekends. Older-aged cyclists, riding direction, pickup, older-aged drivers, male drivers and periods of 0–5:59 and 10–14:59 are only found significant on weekdays while speed limits of 45–55 mph, piedmont areas, commercial development, head-on, and non-roadway locations are only found significant for injury severities of crashes on weekends. Speed limits, time of day, alcohol usage are found to have different or even opposite impacts on the injury severities of crashes on weekdays and weekends.
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 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,004 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 ».