Pilot study to evaluate school safety zone built environment interventions
Notice bibliographique
Résumé
BACKGROUND: School safety zones were created in 2017 under the City of Toronto's Vision Zero Road Safety Plan. This pilot study examined the effect of built environment interventions on driver speeds, active school transportation (AST) and dangerous driving. METHODS: Interventions were implemented at 34 schools and 45 matched controls (2017-2019). Drivers travelling over the speed limit of >30 km/hour and 85th percentile speeds were measured using pneumatic speed tubes at school frontages. Observers examined AST and dangerous driving at school arrival times. Repeated measures beta and multiple regression analyses were used to study the intervention effects. RESULTS: Most schools had posted speed limits of 40 km/hour (58%) or ≥50 km/hour (23%). A decrease in drivers travelling over the speed limit was observed at intervention schools post-intervention (from 44% to 40%; OR 0.79, 95% CI 0.66 to 0.96). Seventy-one per cent of drivers travelled >30 km/hour and the 85th percentile speed was 47 km/hour at intervention schools, with no change in either postintervention. There were no changes in speed metrics in the controls. AST increased by 5% (OR 1.22, 95% CI 0.97 to 1.54) at intervention schools. Reductions in dangerous driving were observed at all schools. CONCLUSIONS: Posted speed limits were >30 km/hour at most schools and high proportions of drivers were travelling above the speed limits. There were reductions in drivers exceeding the speed limit and in dangerous driving, and modest increased AST post intervention. Bolder interventions to slow traffic are required to effectively reduce speeding around schools, which may increase safe AST.
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) | 0,002 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».