Justifying and Prioritizing Roadway Lighting: A Case Study of \nQuebec Highways
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
ABSTRACT \nJustifying and prioritizing roadway lighting: A Case Study of Quebec Highways \nMahnoush Heydari \n \nRoadway lighting is an effective countermeasure capable of reducing night-time motorized collisions under the right circumstances. Its initial viability can be learnt through collision modification factors showing beneficial effects of roadway lighting on local roads. However, this requires time-series of data from several years before and after the implementation of lighting. There is a need to estimate collision modification factors of lighting from locally observed cross sectional data from as little as one year. There is also a lack of a practical method capable of replacing the complicated warrant system to support decisions of whether or not to illuminate roads. Such method should be able to identify and prioritize segments that will benefit the most from being illuminated. This research presents a method to estimate collision modification factors with as little as one year of data. In addition, this research presents a practical method that identifies and prioritizes candidate road segments for being illuminated. A case study of Quebec's highways found that lighting is an effective countermeasure and that expected benefits approximate 60% reduction in night time collisions. It was found that segment size plays an important role and that Bayesian data fusion can be used to abstract from segment size to estimate a generic collision modification factor. It was found that safety performance functions for desired land use and sites type can be used in combination with the observed number of collisions to classify those sites expected to observe benefits from being illuminated.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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