Riding Through the Pandemic: Unveiling Motorcycle Crash Trends Amidst Three Years of the COVID‐19 Crisis
Notice bibliographique
Résumé
Bangladesh has a significant prevalence of motorcycle usage accompanied by a correspondingly high incidence of motorcycle‐related fatalities. The COVID‐19 crisis has brought additional challenges to road safety in Bangladesh because of containment strategies and restrictions. The impacts of the pandemic on motorcycle‐related road traffic crashes, injuries, and fatalities in Bangladesh are investigated in this study using ARIMA time series analysis. Data spanning 86 months (January 2016 to February 2023) were collected from the Accident Research Institute (ARI), which compiles newspaper‐based data serving as an alternative source of information on crashes encompassing both pre‐COVID (January 2016 to February 2020) and COVID‐19 periods (March 2020 to February 2023). Three COVID‐19 waves were demonstrated, with the first wave showing a significant decrease in crashes, injuries, and fatalities due to a government‐imposed lockdown. During the second wave, crashes and fatalities approached predicted values, while injuries remained lower than anticipated. The third wave witnessed a sudden drop, followed by a sharp rise in all three variables. Box and whisker plot analysis confirmed the disparities between observed and predicted values, with observed data being lower. These results demonstrate the significant impact that COVID‐19 containment strategies have had on trends in motorcycle crashes. By understanding these patterns, policymakers and road safety authorities can develop adaptive interventions to mitigate motorcycle‐related incidents during pandemics or similar crises. The study provides a data‐driven foundation for designing context‐specific policies, adjusting law enforcement strategies, and efficiently allocating resources to enhance road safety under varying conditions.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».