Evaluating Safety of Type-A Weaving Sections Using Geometric and Traffic Operational Factors
Notice bibliographique
Résumé
The efficiency and safety of type-A freeway weaving sections in urban areas are constrained by recurrent bottlenecks. Limited space in freeway weaving sections cause traffic congestion and crashes during peak-hours. Various factors, including length of weaving section, continuity of lanes, and number of lanes will have significant effects on the level of service and safety performance of the weaving sections. Eight years (2010-2017) of crash data in the type-A weaving sections was used in this analysis. The objective of this study aims to evaluate geometric design factors and operational factors on total crashes and each of the four crash types: rear-end, sideswipe, angle, and single-vehicle in type-A weaving sections using traditional negative binomial approach and develop crash modification factors (CMFs) to improve safety in the type-A weaving section. The results revealed that on-ramp traffic per hour, off-ramp traffic per hour, non-weaving traffic per hour, weaving ratio, length of the weaving section, direction of the freeway, width of inside shoulder, and width of outside shoulder were influencing crashes in type-A weaving sections. Furthermore, the estimated crash modification factors (CMFs) result revealed that total crashes gradually decrease as inside shoulder width increases. This implies that widening inside shoulder width have positive effects on weaving section safety. In addition, ramp metering, and advisory warning signs could improve safety in type-A weaving sections.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».