Probabilistic Model for Design of Freeway Acceleration Speed-Change Lanes
Notice bibliographique
Résumé
A speed-change lane (SCL) is an auxiliary lane added to the traveled way for the acceleration and deceleration of vehicles entering or leaving a roadway. When the length of an acceleration SCL is adequate, drivers are able to accelerate comfortably from the speed at entrance to a speed appropriate to the road, find a gap in the traffic flow, and merge in a safe and secure manner. The length of an SCL is currently determined in terms of the ramp design speed, the freeway design speed, and the acceleration rate. Embedded in these values are assumptions for the operating speed at the entrance and merging points. This study examined a probabilistic approach instead of such a deterministic approach. The main benefit of a probabilistic approach is that traffic flow characteristics are assumed to be stochastic; therefore, the outcome of a probabilistic methodology is a distribution of drivers’ acceleration distance on the SCL. The reliability-based analysis enables designers to select a specific percentile value of this distribution as a design length that better matches a certain situation and avoids unnecessary extra construction costs. This paper presents analytical and simulation models for the application of the reliability approach, with all parameters based on recently collected field data. Even though the presented model should be superior to the deterministic model adopted in current design guides, additional enhancements are recommended for a full reliability-based, safety-explicit design model.
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 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 | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».