Climate Change Modeling and the Weather-Related Road Accidents (Poster)
Notice bibliographique
Résumé
This presentation projects the climate change and studies the impact of climate change on hazardous weather-related road accidents in New Brunswick province of Canada. Climate change modeling uses 30-years daily weather records for the seven climate zones of New Brunswick, National Centers for Environmental Prediction (NCEP) re-analysis dataset, large-scale simulation data from the third generation Coupled Global Climate Model (CGCM3) and third version of Hadley Centre Coupled Model (HadCM3). Large-scale simulation data from Canadian GCM under SRES-A2, and SRES-A1B scenarios along with large-scale simulation data from Hadley center CM under SRES-A2, and SRES-B2 during the 21st century are used to model the climate change. The climate change modeling estimates the increasing rainy days for all climate zones; however, the number of snowy and freezing days may decrease or stay the same for most of the climate zones during three different future periods in 21st century (i.e. 2011-2040, 2041-2070, 2071-2100). This study also estimates an Exposure to Weather-Accident Severity (EWAS) index using both single and multiple road accident data. The negative binomial regression and Poisson regression models are applied to estimate the relationship between the EWAS index and weather-related explanatory variables of road accidents. Surface-weather condition, weather-driver’s gender, weather-driver’s age, weather-driver’s experience and weather-vehicle’s age have strong positive correlations with EWAS index. Surface-road alignment and surface-road characteristics have negative relationship with EWAS index. These relationships are similar at different census divisions of the New Brunswick. Increasing number of hazardous weather days estimated by the climate change modeling, and positive relationships among EWAS index and weather-related explanatory variables of road accidents suggest more hazardous weather-related accidents in future.
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 | 0,000 | 0,001 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 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) | 0,015 | 0,001 |
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 ».