Prediction and Display of Delay at Road Border Crossings
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Land border crossings in North America that serve high volumes of automobile and truck traffic experience congestion and delay, resulting in adverse effects on level of service, transportation costs, commerce, tourism, and the environment. Although efforts have been underway to expedite the customs inspection process (without compromising security), improving the reliability of delay estimates and real time dissemination of information remains a challenge. This paper reports research on intelligent technologies and methodological advances that can be used to automatically predict private and commercial vehicle queues and delays and display information to motorists, border crossing authorities, and other decision makers on a real time basis. The availability of such traveler information can be useful for making pre-trip and enroute travel decisions by private motorists as well as commercial vehicle operators regarding departure time and choice of border crossing location (if applicable). Such a system would enable motorists and carriers to avoid severe delays and commercial vehicle fleet efficiency gains can be achieved. Border crossing authorities can use the results to better match the processing capacity with demand for service. Research steps include the use of a calibrated microsimulation model of the Windsor-Detroit Ambassador Bridge crossing, development of artificial neural network (ANN) models for predicting queues and delay, imbedding these models in a traveler information system that uses sensor data as input and produces delay predictions for dissemination on dynamic message signs and other media on a real time basis. This system is tailored for border crossings with high volumes of private and commercial vehicle traffic.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle