Moving (More) People Safely: Examining the Safety Impacts of HOV Lanes
Notice bibliographique
Résumé
High-occupancy vehicle (HOV) lanes are designed to increase the passenger-carrying capacity of roadways by requiring that all vehicles using the HOV lanes be occupied by a minimum number of passengers (e.g., the driver plus, at least one additional passenger). HOV lanes, in various forms, have been in use across North America for several decades. However, there is little information available with respect to their impact on the safety performance of the roadways to which they have been added. Over the past ten years, HOV lanes have been added to several freeway facilities in the Greater Toronto and Hamilton Area (GTHA), and analysis was recently undertaken to examine how the HOV lanes have impacted safety on the treatment sections of those roadways. Predictive collision analysis was used to calculate collision modification factors (CMF) for the addition of buffered, limited-access, concurrent flow HOV lanes to a simple, controlled-access freeway. Related, trends in collision activity have also been identified, as have areas for potential future study. Based on the CMF development and collision trend analysis, the general conclusion that can be reached is that the addition of buffered, limited-access, concurrent flow HOV lanes to a simple, controlled-access freeway can be expected to result in a moderate (15%) increase in overall collision frequency. The increase in collisions consists almost entirely of additional property damage only (PDO) collisions, particularly rear-end collisions, freeway congestion and several HOV lane design elements appear to be contributing factors.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 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 | 0,001 |
| 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 ».