Safety Effectiveness of High Friction Surface Treatment at Signalized Intersections in British Columbia
Notice bibliographique
Résumé
High friction surface treatment (HFST) is a pavement and safety treatment that dramatically and immediately increases pavement friction to reduce crashes, injuries, and fatalities associated with friction demand issues. Understanding the effectiveness of HFST as a safety measure is crucial for estimating the expected crash reduction and evaluating the cost-effectiveness of future HFST implementations. Existing research on HFST safety effectiveness evaluation is limited to horizontal curves and ramps, despite the promising safety benefits of installing HFST at other locations, such as signalized intersections. To help fill this research gap, this paper presents a rigorous before-and-after safety effectiveness evaluation of HFST installation at signalized intersections using traffic and crash data obtained from 15 treatment sites and 90 control sites in British Columbia, Canada. To enhance the validity of the safety assessment, two before-and-after evaluation methods were applied: empirical Bayes and full Bayes. The results indicated statistically significant safety benefits of HFST at the treated sites. Specifically, the estimated reductions in serious (fatal and injury) crashes, serious rear-end crashes, and serious wet-pavement crashes, are about 51%, 57%, and 64%, respectively. It is worth noting that an unexpected decline in crashes was observed at the control sites, which introduces some uncertainty in interpreting the results and warrants careful consideration.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 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 ».