Radar mondial UDTR

UDTR — Radar mondial des droits de la Nature

Registre documentaire des références détectées à travers les infrastructures académiques, juridiques et institutionnelles surveillées par UDTR.

Une infrastructure documentaire mondiale conçue pour atteindre la couverture la plus large, vérifiable et scientifiquement défendable des droits de la Nature.

← Retour au Radar

Automated Enforcement and Traffic Safety

Identification

Clé publique
radar:r-e29d4b5bf8677f80a5a6f98957d5c783
Auteurs
Zhi Cheng · Zhanyu Dong · Min‐Seok Pang
Année déclarée
2025
Langue déclarée
en
Type source
article
Première détection
2026-11-14T09:36:47.286234+00:00
Dernière observation des métadonnées
2026-11-14T09:36:47.286234+00:00
Dernière vérification HTTP
Non effectuée

Institutions déclarées par la source

London School of Economics and Political Science · Sun Yat-sen University · University of Wisconsin–Madison

Pays d’affiliation déclarés

CN · GB · US

Résumé documentaire — langue originale

Traffic safety poses a persistent challenge for society and public policy. Conventional law enforcement by human police is often cost-ineffective because of information asymmetry and negative externalities of unsafe driving behaviors. Automated enforcement, in the form of traffic cameras on the road, has gained prominence in recent decades, yet its effectiveness and underlying mechanisms remain debated. This study examines the impact of traffic cameras on road safety using longitudinal data from a metropolitan city in China. We distinguish between advanced cameras, which use machine learning to detect various traffic violations and constantly record video, and conventional cameras, which rely on triggered image capture for a limited number of violations. Using an event study design with staggered camera installations at road intersections, we observe a significant and sustained reduction in accidents near advanced cameras, compared with locations with no cameras or only conventional cameras. Further analysis identifies three key mechanisms driving the effects of advanced cameras: (i) automated detection effect—superior technical capabilities to automate violation detection; (ii) real-time recording effect—continuous monitoring and recording capability to augment accident cause identification; and (iii) driver learning effect—technology-enabled deterrence that increases driver awareness of these cameras and encourages behavioral adjustments to mitigate accident risks. This study contributes to information systems, transportation economics, and criminology, offering policy insights into the effective design and deployment of automated enforcement to improve traffic safety. This paper was accepted by D. J. Wu, information systems. Funding: Z. Cheng acknowledges the support of the Staff Research Fund at the London School of Economics and Political Science. Z. Dong acknowledges financial support from the National Natural Science Foundation of China (NSFC) Young Scientists Fund [Grant 72202247] and the Guangdong Basic and Applied Basic Research Foundation [Grant 2024A1515012806]. Supplemental Material: The online appendices and data files are available at https://doi.org/10.1287/mnsc.2023.00575 .

Identifiants

OPENALEX
https://openalex.org/W4409455349
DOI
10.1287/mnsc.2023.00575

Repères documentaires

Famille documentaire
article
Types déclarés par les sources
article
Éditeurs
Institute for Operations Research and the Management Sciences

Les mentions d’entités ne constituent pas une preuve de reconnaissance juridique. La juridiction étudiée est distincte du pays d’affiliation des auteurs.

Sources

OpenAlex · Document 1

Citer cette référence

Zhi Cheng; Zhanyu Dong; Min‐Seok Pang. Automated Enforcement and Traffic Safety. 2025. https://doi.org/10.1287/mnsc.2023.00575

JSON · CSL-JSON · BibTeX · RIS · CSV · JSON-LD ·

APA, Chicago, ISO 690 : formats bibliographiques fondés sur les champs disponibles. OSCOLA / Bluebook : données structurées uniquement ; aucune conformité juridique complète n’est revendiquée sans vérification des éléments nécessaires.

APA
Zhi Cheng; Zhanyu Dong; Min‐Seok Pang. (2025). Automated Enforcement and Traffic Safety. https://doi.org/10.1287/mnsc.2023.00575
Chicago
Zhi Cheng; Zhanyu Dong; Min‐Seok Pang. Automated Enforcement and Traffic Safety. 2025. https://doi.org/10.1287/mnsc.2023.00575
ISO 690
Zhi Cheng; Zhanyu Dong; Min‐Seok Pang. Automated Enforcement and Traffic Safety. 2025. https://doi.org/10.1287/mnsc.2023.00575

Warning: Undefined array key "last_link_verified" in /home/clients/e27d81e12f04d2bfd747aa264540ac56/sites/_UDTR_APP/legal_library_reference.php on line 31

UDTR — Bibliothèque juridique mondiale des droits de la Nature. Automated Enforcement and Traffic Safety. Notice documentaire: https://www.declarationuniverselledesdroitsdelarbre.org/global-rights-of-nature-radar/reference/r-e29d4b5bf8677f80a5a6f98957d5c783/ · Dernière vérification HTTP : non effectuée

Signaler une correction

Données de cette version figée

Dossiers et relations documentaires

Rôles des sources

Source bibliographique / publication d’origine · https://doi.org/10.1287/mnsc.2023.00575

Un lien vers une autorité ne prouve pas à lui seul une affirmation juridique. Les résumés et les textes intégraux restent soumis aux conditions de leur source.

Statut documentaire

Pertinence à examiner

Bibliothèque

Cette identité n’est pas encore intégrée à la Bibliothèque juridique.

UDTR — Bibliothèque juridique mondiale des droits de la Nature