Pedestrian and Bicyclist Crash Experience at Interchange Ramp Junctions in Ontario
Notice bibliographique
Résumé
This paper includes the empirical analysis of crash data involving pedestrian and bicyclists at interchange ramp junctions in Ontario, Canada. While crash rates between vehicles and bicyclists/pedestrians are relatively low, they are difficult to address because of the high speed differential, the complexity of the interchange design, and the high traffic volume environment. This paper first reviews publications about pedestrian and bicyclist crashes at interchanges. Next pedestrian and bicyclist crashes are analyzed by crash location, light condition, severity, and vehicle turning maneuver, off-ramp and on-ramp junction types, and comparisons to vehicle-only crashes. Finally this paper presents its findings of 1) locations with the highest number of pedestrian and bicyclist crashes are also locations with the highest number of vehicle crashes, 2) pedestrian and bicyclist crashes are five times more likely to occur at signalized off-ramps from the freeway than at on-ramps to freeways, 3) direct on-ramps to freeways configurations have a higher frequency of crashes than inner loop on-ramp configurations to freeways. The paper proposes that where capacity allows, restricting right turn on red may have a high cost-benefit ratio for safety at freeway exit ramps improving the safety for pedestrians, bicyclists, and vehicles at exit ramp junctions.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».