Effects of Inclement Weather Events on Road Surface Conditions and Traffic Safety: An Event-Based Empirical Analysis Framework
Notice bibliographique
Résumé
Pavement friction has been widely recognized as an important winter road maintenance performance indicator for objectively assessing the level of service required to maintain safe driving conditions during inclement weather events. Despite significant efforts being put forth by road agencies, prevailing road surface conditions during snowstorms can yield negative consequences that compromise the safety of the traveling public. Acknowledging the vast road network that needs to be monitored and the uncertainty associated with the randomness of hazardous road weather conditions, this paper presents a novel event-based framework aimed at investigating the magnitude of the effect of varying pavement friction levels in urban environments on traffic safety during snowstorms. Negative binomial safety performance functions developed using hourly weather datasets and road surface conditions information found a strong statistically significant relationship between pavement friction and traffic safety. This meant that, with the accumulation of snow and ice during snowstorms, road surface conditions were found to deteriorate thereby increasing the likelihood of collision occurrence. The event-based models developed also suggested that the risks of driving during snowstorms varied dramatically depending on the varying surface states, represented by friction coefficient ranges. Collisions were expected to significantly decrease whenever the pavement friction was above 0.6; under conditions where pavement friction was below 0.35, collisions were predicted to significantly increase. Additionally, arterial roads were shown to experience a significantly higher number of collisions than collectors, further justifying why arterials should be prioritized in snow clearing policies that most cities adopt.
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 | 0,008 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».