Enhancing Safety Measures at Stop-Controlled Intersections: A Study on LED Backlit Signs and Drivers’ Behavior in Montréal, Québec
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This study evaluates the safety impacts of upgrading traditional STOP signs to light-emitting diode (LED)-illuminated backlit STOP signs at urban intersections, aiming to address visibility and conspicuity concerns that affect driver behavior and intersection safety. STOP signs are critical for regulating traffic flow and minimizing conflicts, yet their effectiveness can diminish under low-visibility conditions. To assess the effectiveness of LED-enhanced signage, a before–after study was conducted using surrogate safety measures. Key performance indicators included vehicle speeds, driver compliance rates, and vehicle-to-vehicle interactions, recorded both prior to and following LED implementation. A multinomial logistic regression model was used to analyze driver behaviors, and a calibrated microscopic simulation model, optimized using a genetic algorithm (GA), was applied to estimate traffic conflict frequencies. Video data were processed to extract driver trajectories and reactions under varying signage conditions. Results showed LED STOP signs improved compliance rates from 60% to 85%, reduced average vehicle speeds by 25%, and increased post-encroachment times. Conflict analysis revealed significant reductions in vehicle-to-vehicle and pedestrian conflicts, particularly at night. These findings highlight the effectiveness of LED signage in enhancing intersection safety and offer important implications for urban traffic management and the adoption of advanced traffic control technologies.
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.
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 | 0,001 |
| 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 | 0,000 |
| 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 découle