MétaCan
Menu
Retour à la cohorte
Enregistrement W7071962655

In-Vehicle Safety Features and Their Impacts on Fatal Crashes

2023· dissertation· en· W7071962655 sur OpenAlexaboutno aff

Notice bibliographique

RevueKU ScholarWorks (The University of Kansas) · 2023
Typedissertation
Langueen
DomaineEngineering
ThématiqueTraffic and Road Safety
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFeature (linguistics)Work (physics)LimitingPretextReliability (semiconductor)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

One of the most important safety metrics in transportation engineering is fatal crashes, and a major effect to improve safety is to reduce fatal crashes. Therefore, safety features are continuously tested and equipped in vehicles to reduce fatal crashes and provide safety to road users. This study was initiated to explore the relationship between two in-vehicle safety features and their impact on fatal crashes. These two in-vehicle safety features are the Lane Keep Assist System (LKAS) and the Forward Collision Warning System (FCWS). This thesis analyzed nine different General Motors (GM) vehicles’ make, model, and year to test which in-vehicle safety feature reduced fatal crashes. To test the LKAS safety feature, run-off-road fatal crashes were analyzed using the Fatality Analysis Reporting System (FARS) data for the Chevrolet Silverado, the Chevrolet Equinox, the GMC Yukon, the GMC Sierra, and the Cadillac Escalade model vehicles. To test the FCWS safety feature, rear-end fatal crashes were analyzed using FARS data for the Chevrolet Equinox, the Chevrolet Traverse, the Buick Enclave, the GMC Acadia, and the GMC Terrain. The odds ratios for the LKAS safety feature for the Chevrolet Silverado, the Chevrolet Equinox, the GMC Sierra, the GMC Yukon, and the Cadillac Escalade model vehicles were 0.704, 0.615, 0.601, 0.446, and 1.149, respectively. The odds ratio showed, when examining the LKAS safety feature for the Chevrolet Silverado, the Chevrolet Equinox, the GMC Yukon, the GMC Sierra, and the Cadillac Escalade model vehicles, that four of the five vehicle models examined resulted in reductions in run-off-road fatal crashes; the GMC Yukon was not statistically significant in reducing this type of crashes. Additionally, the odds ratios for the FCWS safety feature for the Chevrolet Equinox, the GMC Terrain, the Chevrolet Traverse, the GMC Acadia, and the Buick Enclave model vehicles were 0.814, 0.199, 0.873, 0.638, and 0.143, respectively. The odds ratio showed, when examining the FCWS safety feature for the Chevrolet Equinox, the Chevrolet Traverse, the Buick Enclave, the GMC Acadia, and the GMC Terrain model vehicles, that four of the five vehicles examined resulted in a reduction in rear-end crashes; the Chevrolet Equinox, the Chevrolet Traverse, and the GMC Acadia were not statistically significant in reducing run-off-road fatal crashes. In addition, the GMC Terrain results were undefined. Key Words: Lane Keep Assist System (LKAS), Forward Collision Warning (FCWS), fatal crashes, and General Motors (GM)

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,948
Score d'incertitude au seuil0,868

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,005
Tête enseignante GPT0,184
Écart entre enseignants0,179 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueKU ScholarWorks (The University of Kansas)Même sujetTraffic and Road SafetyTravaux en français237 207