MétaCan
Menu
Retour à la cohorte
Enregistrement W1031546370 · doi:10.3141/2259-10

Turn Pocket Blockage and Spillback Models

2011· article· en· W1031546370 sur OpenAlexaff
William L. Reynolds, Nagui M. Rouphail, Xuesong Zhou

Notice bibliographique

RevueTransportation Research Record Journal of the Transportation Research Board · 2011
Typearticle
Langueen
DomaineEngineering
ThématiqueTraffic control and management
Établissements canadiensSaint Paul University
Organismes subventionnairesnon disponible
Mots-clésQueueIntersection (aeronautics)Signal timingTurn (biochemistry)MicrosimulationSensitivity (control systems)Level of serviceComputer scienceTruckPhaserSimulationMathematical optimizationTransport engineeringEngineeringReal-time computingAutomotive engineeringMathematicsTraffic signal

Résumé

récupéré en direct d'OpenAlex

The development of a macroscopic simulation tool is presented and tested to quantify the effects of short turn pockets on the sustainable service rate of a signalized intersection. Unlike the theoretical signal capacity, the sustainable service rate includes queue interaction effects and is thus influenced by blockage and spillback at the entrance to a short turn pocket. Previous research on the topic has focused either on the probability of spillback from a short turn pocket or the operation of a system with a single approach lane. No macroscopic model currently available has the ability to analyze throughput reductions due to the effects of short turn pockets on a multilane approach. The model described here uses a series of flow and density restrictions on cells of varying sizes on the approach to the intersection. Results, which indicate sensitivity of the model to turn pocket spillback, blockage, saturation flow rate, pocket length, lane utilization, cycle length, phase sequence, phase overlap, permitted phasing, and time-dependent demand, compare favorably with microsimulation. A phase optimization procedure is described to help efficiently allocate green time for a given set of turn pocket lengths and turn movement percentages. Implications of using the model for signal timing applications are discussed, and recommendations are made on additional model enhancements and testing needs.

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)0,002
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 enseignants0,760
Score d'incertitude au seuil0,997

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
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 Opus0,094
Tête enseignante GPT0,309
Écart entre enseignants0,216 · 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

Citations7
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTransportation Research Record Journal of the Transportation Research BoardMême sujetTraffic control and managementTravaux en français237 207