Exploring Factors Associated with Cyclist Injury Severity in Vehicle-Electric Bicycle Crashes Based on a Random Parameter Logit Model
Notice bibliographique
Résumé
Electric bicyclists are vulnerable road users and play an important role in traffic safety. The focus of this research is on analyzing cyclists’ injury severity in vehicle-electric bicycle collisions. It is an exploratory analysis that was conducted based on samples obtained from video data provided by the police of Xi’an China. Three types of severity include fatal, injury, and property-damage-only (PDO). A random parameter logit (RPL) model was specified to gain more insights into factors related to the injury severity level, including human behaviors, vehicle characteristics, roadway attributes, and environmental conditions. Some factors not included in previous research were introduced into this study, especially precrash behaviors of drivers and cyclists. The direct pseudo-elasticity effects of variables were compared to investigate the stability of individual parameter estimates on the severity categories. The results indicated that variables that significantly increment the probability of fatal accidents were as follows: driver violation behaviors (speeding, red-light violation, driving in the opposite direction), cyclist violation behaviors (speeding, red-light violation), day of time (nighttime), visibility restrictions (fixed obstacles), and vehicle type (larger bus, small truck, and larger truck). Based on these findings, we suggested measures such as strengthening law enforcement by installing cameras, implementing zero tolerance for cyclist violations, promoting education by completing training courses for cyclists, and enhancing traffic safety awareness through educational activities. The research results can provide a theoretical basis for formulating strategies to improve cyclist safety.
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 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».