Modeling Pedestrian Temporal Violations at Signalized Crosswalks: A Random Intercept Parametric Survival Model
Notice bibliographique
Résumé
This study aims to model pedestrian temporal violation behavior at signalized crosswalks. Video data of pedestrian crossing behavior were collected from three locations in China and were used to investigate the effect of several factors on pedestrian temporal violation behavior. The temporal violation behavior was analyzed using the relationship between pedestrian waiting duration and their endurance probabilities. A fully parametric duration model with Weibull distribution was used to model the temporal violation behavior, and the cluster-specific heterogeneity among the three study sites was accounted for using random intercepts. Six variables were identified to significantly affect the violation behavior: pedestrian gender and phone distraction status, location type, pedestrian volume, day of the week, and time of the day. The results show that pedestrians are likely to disobey traffic regulations when there are longer waiting durations. Male pedestrians have a higher violation tendency than females. Pedestrians distracted by their phones have longer waiting durations than undistracted pedestrians. Signalized road segment crosswalks are associated with higher temporal violation propensity than signalized intersection crosswalks. Pedestrians are more likely to commit violations at higher pedestrian densities. Weekdays are associated with shorter waiting durations and higher violation tendency than weekends. Pedestrians are more likely to violate traffic regulations in the morning than at midday and in the evening. These findings give insights into the pedestrian crossing behavior to better accommodate pedestrians and improve 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 | 0,003 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».