Motorcycle Conspicuity and the Effect of Fleet DRL: Analysis of Two-Vehicle Fatal Crashes in Canada and the United States 2001-2007
Notice bibliographique
Résumé
This study involved testing the Fleet DRL Hypothesis that widespread use of daytime running lights (DRL) among the motor vehicle fleet is associated with an increased risk for certain types of multi-vehicle motorcycle crashes. This hypothesis is based on the assumption that the conspicuity of motorcycles (which normally run with their headlamp illuminated all the time) is effectively reduced during the daytime when a high proportion of other vehicles have DRL illuminated. To test the hypothesis, crash data from Canada where DRL use was mandatory were compared to crash data from 24 northern U.S. states where DRL use was not mandatory and fleet penetration of DRL was modest. Crash data from the Fatality Analysis Reporting System (FARS) for the period of 2001 – 2007 were compared to fatal crash data from the Canadian National Collision Data Base (NCDB) for the same years. Crash scenarios that were plausibly relevant to frontal conspicuity of the involved vehicles were defined as DRL-relevant. The proportion of DRL-relevant crashes was modeled by country, year, and whether the crash involved a motorcycle. The authors fit separate models for crash data that occurred in four groups defined by time of day (Day, Night) and location (Rural, Urban) of the crash. The results supported seven of ten predictions indicating that the Fleet DRL Hypothesis may be true for urban roadways (but may not be true for rural roadways). These results support the Fleet DRL Hypothesis for urban roadways, that widespread use of DRL in the vehicle fleet increases the relative crash risk for certain types of motorcycles crashes. This conclusion should be interpreted cautiously in light of the limitations of the analysis approach.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 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 ».