MétaCan
Menu
← Retour à la cohorte
Enregistrement W4256298552 · doi:10.3141/2660-05

Investigating Distance Halo Effects of Mobile Photo Enforcement on Urban Roads

2017· article· en· W4256298552 sur OpenAlexaffabout
Maged Gouda, Karim El‐Basyouny

Notice bibliographique

RevueTransportation Research Record Journal of the Transportation Research Board · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueTraffic and Road Safety
Établissements canadiensUniversity of AlbertaUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésEnforcementTransport engineeringUnit (ring theory)Upstream (networking)GeographySpeed limitBusinessEnvironmental scienceStatisticsMathematicsComputer scienceEngineeringTelecommunicationsPolitical science

Résumé

récupéré en direct d'OpenAlex

This paper investigates the distance halo effects of mobile photo enforcement (MPE) on urban roads in Edmonton, Alberta, Canada. Speed data were recorded at various distances upstream and downstream of nine locations during four MPE site visits and at the corresponding times in 4 days without enforcement. Data collection was performed during the summer months of 2015. A two-sample t-test was used to compare the speed limit violations during the enforcement site visits and during the corresponding times without enforcement. The results of the analysis indicate that distance halo effects existed at all study locations and that significant reductions in speed limit violations occurred. The authors concluded that, on average, if an MPE unit were deployed eight times during a week for 22 h (equivalent to 2.7 h per visit), the unit would produce a drop in violations ranging from 10% to 17% over a distance of 500 m upstream and downstream of the enforcement unit. In addition, the number of enforcement hours per week and the average hours per visit were found to be strongly correlated with the reduction in speed limit violations. The findings of this study can help enforcement agencies significantly increase the coverage of MPE programs and their expected safety benefits.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,127
Score d'incertitude au seuil0,253

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,042
Tête enseignante GPT0,341
Écart entre enseignants0,299 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueTransportation Research Record Journal of the Transportation Research Board→Même sujetTraffic and Road Safety→Travaux en français237 207→