Analysis of Hotspots in and outside School Zones: A Case Study of Seoul
Notice bibliographique
Résumé
With growing social concern on pedestrian accidents involving children, the Korean government announced a plan to decrease the number of child deaths due to traffic accidents by 2026. Therefore, policymakers should consider various measures for school zones because a safe school walkway is essential for preventing traffic accidents around schools. Some parts of the roads within a radius of 300 m from elementary school and kindergarten entrances are designated as school zones. Certain roads experience frequent accidents within the school zone, while others experience frequent accidents outside the school zone. Hence, this study aimed to provide school zone types in Seoul by noting different occurrence accidents within and outside each school zone and suggest proper countermeasure by type. After selecting a 300 m radius analysis unit from the school zones, a distinction was made between the school zones and outside for each analysis unit. After verifying the spatial autocorrelation in each unit, hotspot analysis identified four types based on the presence or absence of hotspots in each unit. Types were defined as follows: Type A—no hotspots in school zones or outside the school zones; Type B—hotspots only outside the school zones; Type C—hotspots only the school zones; and Type D—hotspots both in school zones and outside the school zones. Subsequently, a case study was conducted to validate the types. For Types B and C, the results revealed differences in the installation of traffic safety facilities and the environment between within and outside the school zones. Therefore, Type B requires improving safety outside the school zones by expanding school zones to match the safety level within. For Type C, it implies the need to strengthen safety measures in the school zones. Lastly, for Type D, improvement projects for a safe walking environment should be implemented in primarily by conducting separate inspections.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».