Using Community-Based Macrolevel Collision Prediction Models to Evaluate Safety Level of Neighborhood Road Network Patterns
Notice bibliographique
Résumé
The enormous social and economic burden imposed on society by injuries due to road collisions is a major global problem. Authorities worldwide have been researching ways to reduce this burden using more proactive road safety planning approaches that build on traditional reactive approaches. Results of recent research suggest that a major cause of the road safety problem lies in a built community form that nurtures over dependence on auto use, leading to increased exposure, risk, and road collisions. In response, the Canada Mortgage and Housing Corporation (CMHC) has begun research on a new model for sustainable subdivision development ¨C The Fused Grid road network pattern. Results of initial traffic flow and accessibility studies suggest that this model has potential to promote increasingly sustainable development patterns by combining several redeeming features from pre-existing models. Subsequently, the study reported on in this paper was initiated to evaluate the relative road safety level of the Fused Grid compared with four other networks, including: commonly-used 1) grid and 2) culs-de-sac patterns, and, recently developed 3) 3-way offset and 4) Dutch sustainable road safety (SRS) patterns. Using community-based, macro-level collision prediction models (CPMs) developed with data from three Canadian regions ¨C Vancouver, Ottawa, and Victoria - the road safety level of each pattern was evaluated. Analysis involved testing theoretical road network modules as well as comparisons with existing neighborhoods. Statistically significant results were obtained, and suggested that neighborhoods built following CMHCi¯s Fused Grid road network pattern would realize a 30 to 60% higher level of road safety than the commonly-used grid and culs-de-sac patterns, and a level of safety comparable to the 3-Way Offset pattern. Next steps in this research involve built-form experiments to validate these significant but still theoretical road safety results, as a precursor to wider implementation by land use and transportation planners to sustainable road safety improvement in communities worldwide.
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 | 0,011 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,004 |
| 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 ».