New methods for modeling and integrating bicycle activity and injury risk in an urban road network
Bibliographic record
Abstract
Bien que la fraction des déplacements effectués à vélo soit encore faible, l'usage du vélo augmente désormais dans les villes des États-Unis et du Canada. Dans ce contexte, de nouvelles méthodes de collecte de données et de nouveaux outils de planification ciblant l'usage et la sécurité du vélo urbain ont émergé. Néanmoins, les connaissances actuelles comportent d'importantes lacunes. Peu de recherches ont investigué l'association entre la sécurité des cyclistes, la géométrie routière, l'environnement bâti et la circulation des véhicules. Les facteurs influençant la sécurité de différents usagers de la route, dans différents contextes, restent peu connus. Aucun outil ne permet d'estimer les volumes de cyclistes sur l'ensemble d'un réseau routier. Les recherches antérieures sont basées sur des échantillons de convenance et n'ont pas pu estimer ou cartographier le risque de blessures sur l'ensemble d'un réseau routier, incluant intersections et segments routiers. La décélération des cyclistes sur le réseau routier pourrait être un indicateur indirect de leur sécurité. Enfin, la vitesse et la durée des déplacements à vélo sur les segments routiers ainsi que les délais aux intersections sont peu connus. L'objectif général de cette thèse est de proposer de nouvelles méthodes pour modéliser et estimer l'activité cycliste et le risque de blessures en intégrant différentes sources de données. Les méthodes proposées permettront d'identifier les facteurs de risque environnementaux et de cartographier le risque de blessures, basé sur les accidents et les indicateurs indirects. Les objectifs spécifiques de cette thèse sont : 1) développer un modèle d'analyse Bayésien pour étudier simultanément les déterminants de l'activité cycliste et du risque de blessures, notamment l'influence de l'environnement bâti et de la géométrie des routes; 2) réaliser une analyse comparative de l'exposition, du nombre et du risque de blessures pour trois modes de transport, aux intersections signalisées et non-signalisées, 3) améliorer les méthodes actuelles permettant d'estimer l'exposition des cyclistes, en combinant des comptages manuels, des comptages automatiques et des données GPS sur les déplacements, afin d'estimer et de cartographier l'activité cycliste et le risque de blessures sur l'ensemble du réseau routier; 4) développer une méthode pour obtenir le taux de décélération des cyclistes sur les segments routiers et aux intersections, en utilisant des données GPS sur les déplacements, et explorer son association avec les blessures observées; 5) développer une méthode basée sur des données GPS pour estimer la vitesse des cyclistes, la durée des déplacements et les délais, et identifier les facteurs influençant la vitesse des cyclistes sur les segments routiers. Cette thèse propose un cadre d'analyse pour étudier simultanément l'activité cycliste et le risque de blessures et ainsi surmonter l'enjeu de l'endogénéité. Une méthodologie similaire a été utilisée dans une perspective multimodale, afin d'étudier l'exposition et le risque de blessures pour les cyclistes, les piétons et les automobilistes. Cette thèse développe et applique une méthodologie pour calculer et cartographier le débit journalier annuel moyen de cyclistes ainsi que le risque de blessures sur l'ensemble du réseau routier, en intégrant des comptages avec une nouvelle source de données GPS sur les déplacements cyclistes, provenant de téléphones intelligents. Les données GPS ont aussi été utilisées pour mesurer les décélérations subites des cyclistes, et cet indicateur indirect du risque d'accident a été corrélé avec le nombre estimé de cyclistes blessés. Enfin, une méthodologie basée sur les données GPS a été développée pour calculer la vitesse des cyclistes sur les segments routiers et les délais aux intersections. Les résultats de cette thèse ont été intégrés pour identifier les trajets cyclistes les plus sécuritaires, les plus courts et les plus rapides.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.008 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.002 |
| Open science | 0.003 | 0.002 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.002 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".