The Impact of Truck Proportion on Traffic Safety Using Surrogate Safety Measures in China
Notice bibliographique
Résumé
The purpose of this study is to investigate the impact of the truck proportion on surrogate safety measures to explore the relationship between truck proportion and traffic safety. The relationship between truck proportion and traffic flow parameters was analyzed by correlation and partial correlation analysis, and the value of the 85th percentile speed minus the 15th percentile speed (85%V–15%V) and the speed variation coefficient were selected as surrogate safety measures to explore the impact of truck proportion on traffic status. The k-means algorithm and the support vector machine were employed to evaluate traffic status on a freeway under different truck proportions in different periods. The major results are that the relationship between truck proportion and the value of 85%V–15%V and the speed variation coefficient is consistent in different aggregation periods. With increasing truck proportion, the value of 85%V–15%V, as well as the speed variation coefficient, increases initially and then decreases. In addition, the traffic flow status tends to be dangerous when the truck proportion ranges from 0.4 to 0.6 and when the value of 85%V–15%V and the speed variation coefficient are above 42 km/h and 0.223, respectively. While the truck proportion is from 0.1 to 0.3 and from 0.7 to 0.9, the traffic flow is relatively safe on the condition that the value of 85%V–15%V and the speed variation coefficient were under 42 km/h and 0.223, respectively. Therefore, the relationship between truck proportion and traffic safety could be well revealed by two surrogate safety measures, that is, the value of 85%V–15%V and the speed variation coefficient. In addition, the k-means algorithm and the support vector machine can well reveal the impact of truck proportion on traffic safety in different periods. The findings of this study indicate a need for decreasing the disturbance of mixed traffic and the impact of the truck proportion on traffic safety status.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».