Evaluation of Speed Management Strategies: A Before and After Study
Notice bibliographique
Résumé
In recent years there has been a considerable amount of interest on the part of road authorities and their residents in stopping the progressive erosion of residential quality of life caused by street traffic. High traffic volumes and speeds, especially on local streets, potentially impact residents in terms of safety, noise, and pollution. Road authorities have expressed interest in implementation of speed management strategies (as a means of decreasing the cars’ dominance) that are relatively low-cost in nature and easily implemented in the short-term periods (within 1-5 years). Speed management strategies aim at reducing the frequency of vehicle with speed too fast for the prevailing conditions and increase compliance with the posted speed limit. These speed management strategies encompass a wide range of measures that include enforcement, education, and engineering. It is critically important for road authorities to understand the effectiveness of these measures on operating speed of vehicles. This paper involves evaluation of three speed management engineering measures: (1) installation of the speed limit signs, (2) peripheral traverse bars, and (3) gateways where speed limit zones and land-use change. An observational before and after study with comparison group is used to evaluate the effects of these measures on speed. The data used for this study were collected from Trafalgar Road in the Regional Municipality of Halton, Ontario where these speed management measures were implemented. The results of the before and after study suggested that implementation of the speed management strategies resulted in the reduction of the average operating speeds, in the range of 4 to 8 percent; however these results were not statistically significant at a 95% confidence interval. The results of this study will assist road authorities in the decision making process for potential implementation of these measure in their jurisdiction for speed management purposes.
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 | 0,027 | 0,046 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».