Transferability of safety inspection procedures for network-wide safety assessment of two-lane rural roads - an Italian-Hungarian experiment
Notice bibliographique
Résumé
OBJECTIVES: The new EU Directive on Road Infrastructure Safety Management requires Member States to classify the road network into at least three categories according to its safety level. This study examines the application and transferability of the procedures between EU countries. METHODS: Our methodology consisted of two steps. First, we conducted a questionnaire survey among twenty Hungarian road safety inspectors, and second, we applied the Italian procedure to calculate the risk index and compare it with historical crash data. Two-lane rural roads were selected and divided into 200 m sections, excluding intersections. Road safety inspectors evaluated these using a matrix of 18 criteria based on video recordings. The risk index was calculated, together with a sensitivity analysis, and its consistency with the observed crash history was investigated. Finally, three homogeneous groups were identified using k-medoids cluster analysis. RESULTS: The survey showed good acceptance of the process, but we also found differences in how inspectors rated certain criteria. Our analysis of inspectors' ratings of severity showed that there were varying degrees of agreement. However, we also concluded that the three-level rating may help to reduce disagreement. Our risk index calculations used four years of crash data, and a moderate correlation between the crash rate and the risk index was found. By assigning a weighted average of adjacent sections and performing a k-medoids cluster analysis, we found that the optimal number of clusters is three, and these show a meaningful relationship with crash frequency. CONCLUSION: Regarding the application of the Italian procedure in Hungary to meet the requirements of the new EU RISM, the results are promising, and the lessons learned may also be useful for other countries.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 ».