Assessing the Impact of Large-Scale Trends on Ontario’s Pedestrian Fatality Rate
Notice bibliographique
Résumé
Pedestrian-involved collisions are a key contributor to roadway fatalities in Ontario; pedestrian deaths have been growing as a proportion of total road fatalities. This study aimed first to determine trends in the pedestrian fatality rate in Ontario over time and, second, to assess the impact of select large-scale trends on pedestrian fatalities. Large-scale trends were identified through a review of the literature and hypotheses were tested using Ontario collision data from 2002 to 2016. The following four key areas were assessed for their impact: (1) the aging demographic; (2) the impact of increasing consumer preference for light trucks; (3) the potential for an increase in alcohol-consuming pedestrians associated with a decrease in alcohol-consuming drivers, and; (4) increasing inattention, caused, in part, by pedestrians and drivers using electronic devices. A quadratic model, with a minimum at 2010, best described changes in Ontario’s pedestrian fatality rate, suggesting a transition from a decreasing to increasing trend at that time. Results of the four key areas were: (1) the proportion of pedestrians aged 75 and older being killed has been increasing over time, a trend that can be fully explained by their increased representation in Ontario’s population, a trend which is expected to continue; (2) similarly, the increase in the proportion of pedestrians killed by a light truck can be explained by their increased representation in Ontario’s registered vehicle population; (3) the odds of a pedestrian being alcohol positive have been decreasing over time; and (4) the odds are higher that a driver who kills a pedestrian is inattentive.
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 | 0,006 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,004 | 0,007 |
| 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) | 0,003 | 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 ».