Eliminating Right-Turn-on-Red (RTOR) at Key Intersections in a City Core
Notice bibliographique
Résumé
The City of Fredericton is the capital of New Brunswick, located in eastern Canada. Rightturn-on-red (RTOR) is a general practice at any traffic intersection in this maritime province. Many collisions between pedestrians and vehicles have been recorded at signalized intersections in the downtown area of the city. Due to the number of collisions, the City of Fredericton was interested in investigating how a restriction against RTOR could affect vehicular traffic. The purpose and goal of this project was to develop a calibrated traffic model of the downtown area of Fredericton that could be used for simulation studies. Two main changes were investigated: 1) a restriction against RTOR for each of eleven key intersections in the downtown area, and 2) a restriction against left-turns at one selected intersection. The traffic simulation model was also used for analyzing how factors such as pedestrian volumes, lane channelization, and turning proportions affect the changes in traffic conditions due to permitting, or prohibiting, right-turn-on-red. The traffic simulation model was created in the TSIS/CORSIM software. Several different scenarios were generated for analysis. The results of the simulation show that the traffic conditions in the whole downtown area will be affected when introducing a restriction against RTOR. Certain intersections show a relatively high change while others show no significant change at all. Several different factors were seen to affect the number of RTOR that could be performed at an intersection. One main factor was lane channelization. With a shared lane, the proportion of right-turning vehicles at the intersection was found to highly affect how many RTOR can be performed. Pedestrian volumes prove to be a third factor affecting the number of RTOR at an intersection. Overall results demonstrate that there are only a few intersections where it is suitable for the City of Fredericton to implement a restriction against RTOR.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 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 ».