MétaCan
Menu
Retour à la cohorte
Enregistrement W1815011342 · doi:10.1139/cjce-2013-0427

Assessing the mobility benefits of proactive optimal variable speed limit control during recurrent and non-recurrent congestion

2015· article· en· W1815011342 sur OpenAlexaffvenueabout
Ying Luo, Md. Hadiuzzaman, Jie Fang, Tony Z. Qiu

Notice bibliographique

RevueCanadian Journal of Civil Engineering · 2015
Typearticle
Langueen
DomaineEngineering
ThématiqueTraffic control and management
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésVisSimSpeed limitBottleneckTraffic congestionQueueDuration (music)Traffic flow (computer networking)Control (management)Network congestionComputer scienceSimulationFlow control (data)Variable (mathematics)Transport engineeringMicrosimulationEngineeringComputer networkMathematicsNetwork packet

Résumé

récupéré en direct d'OpenAlex

Over the past few decades, several active traffic control methods have been proposed to improve freeway efficiency at bottleneck locations. Variable speed limit (VSL) is one of these effective controls. Previous studies have evaluated VSL control, but primarily during recurrent congestion only. This study focuses on evaluating the performance of VSL control for both recurrent and non-recurrent congestion. To assess the effectiveness of a previously proposed VSL control in a real-world situation, this study has three evaluation objectives: (1) examine the control performance when recurrent and (or) non-recurrent congestion occurs; (2) assess the effectiveness of the control when a queue encounters the VSL sign; and (3) consider the impact of system detection delay in VSL control. Comparative experiments for Whitemud Drive in Edmonton, Alberta, Canada, are simulated in the VISSIM platform, and traffic performance is compared among scenarios with and without control. The simulation results show that VSL improves mobility for both recurrent and non-recurrent congestion. The VSL control reduces total travel time, and improves total travel distance and total flow. Furthermore, it slows down the shockwave propagation speed, improves the average speed on most of the freeway segments, and reduces the duration of traffic recovery.

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)0,000
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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,170
Score d'incertitude au seuil0,584

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,014
Tête enseignante GPT0,201
Écart entre enseignants0,187 · 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'étudeSimulation ou modélisation
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

Citations9
Publié2015
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Civil EngineeringMême sujetTraffic control and managementTravaux en français237 207