Application of Fuzzy Linguistic Rating and Entropy-Based GRA to Address Uncertainty in Safety Performance Index Construction
Notice bibliographique
Résumé
As the need to assess the level of road safety grows, there is a noticeable tendency of experts to use one overall composite index that contains information on a number of safety performance indicators (SPIs). Indicators commonly used in road safety assessment are numerical, and their natural uncertainty and vagueness are often overlooked. However, there are also SPIs that are rather linguistic, such as data on driver behavior, which are most often collected through questionnaires and are considered qualitative, imprecise, and fuzzy. Together with inappropriate selection of weighting and aggregation methods, such data can be a source of uncertainty and can lead to unreliable results and erroneous conclusions. In this regard, the present study provides a systematic and efficient hybrid method that integrates three different procedures to deal with unavoidable uncertainty in each step of index construction. The application of fuzzy linguistic rating grasp insight into the ambiguity that is intrinsic in drivers’ self-assessment. Entropy describes each observed behavior by quantifying the disorder of a system. Grey relational analysis aggregates behavioral indicators into a composite index, doubting their sufficiency and completeness. A case study of Montenegro has been provided to demonstrate the practical applicability of the proposed method in safety assessment under uncertainty. Results abstracted not wearing the seatbelt as the most common negative behavior among drivers in Montenegro, followed by using the telephone while driving, speeding, and driving under the influence of alcohol. In addition, municipalities are ranked according to the level of road 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 | 0,005 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».