SAFETY ASSESSMENT OF DIFFERENT BIKE INFRASTRUCTURE TYPES
Notice bibliographique
Résumé
This thesis comprises two studies that investigated bike infrastructure safety in North America. The first study conducted a corridor-level analysis to quantify the safety of different bike infrastructure types and assess the influence of corridor-specific characteristics on their performance. Using a Poisson-lognormal Full Bayesian model, the study analyzed fatal and injury bike-vehicle collisions on over 7800 corridors in Toronto, Canada. The findings revealed that bike infrastructure effectively reduces bike collisions, with cycle tracks demonstrating superior safety benefits due to the physical separation of cyclists from vehicular traffic. Cycle tracks were found to be particularly effective on long corridors with fewer intersections as bike-vehicle interactions along the corridor are minimized. Signed routes were safe on low-volume and low-speed roads, while bike lanes are more suited for a short section of high-volume corridors with a high intersection density. The second study assessed the safety of parking-protected bike lanes (PPBL), a new concept that is rapidly growing in North America. Utilizing data from nineteen street sections in Vancouver and Ottawa, the study developed a Full Bayesian Before-and-after model to evaluate the safety impacts of converting traditional painted bike lanes to PPBLs. The results indicated a significant reduction of 31.2% in total collisions after PPBL implementation. However, the effects of PPBLs on cyclist safety were found to be sensitive to factors such as bike path opening density, intersection density, and intersection treatments. In roads where proper intersection treatments and minimal protection of PPBL openings can be provided, painted bike lanes can be converted into PPBLs, and significant safety benefits can be expected. The findings of this thesis offer practical guidance for city planners and policymakers regarding the safety implications of different bike infrastructure types and the most appropriate conditions to implement them, which supports bike safety enhancement initiatives and attracts more people to bike.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».