Critical conflict probability: A novel risk measure for quantifying intensity of crash risk at unsignalized intersections
Notice bibliographique
Résumé
A significant number of traffic crashes are reported at unsignalized intersections. However, in developing countries, challenges such as underreporting and limited crash data hinder the direct correlation of traffic conflicts with reported crashes for effective safety analysis. To address this, the study introduces Critical Conflict Probability (CCP) as a novel metric to quantify the intensity of conflict risk at unsignalized intersections. Higher CCP values indicate a greater likelihood of crash risk. CCP is derived from Post-Encroachment Time (PET) using the Generalized Extreme Value (GEV)-based extreme value theory (EVT) modeling framework. The CCP values are modeled as a function of traffic flow and driving behavior variables using three approaches: fixed parameters, random intercept, and grouped random parameters Beta regression models. The results revealed grouped random parameters Beta regression model as the best fit, highlighting the importance of accounting for spatial unobserved heterogeneity. As a practical outcome, the study develops a CCP-based intersection prioritization framework to rank and identify critical intersections within a traffic network, enabling traffic planners to improve safety management in data-scarce environments. • This study evaluates drivers' crossing behavior at urban unsignalized intersections in India and estimates conflict probabilities. • Critical Conflict Probabilities (CCP) measure crossing risks using Generalized Extreme Value Theory at unsignalized intersections. • CCP is a better indicator than conflict frequency, identifying risks at low offending and high conflicting traffic volumes. • A grouped random parameters Beta Regression model captures spatial heterogeneity across 13 study sections effectively. • The results revealed that the critical conflict rate, non-critical conflict rate, and traffic composition significantly influence the variation in CCP values.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».