Active Transit Signal Priority for Streetcars
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
Although streetcar systems benefit from a strong identity, they face considerable challenges as a result of mixed traffic operations. These problems have been compounded by growing urban auto traffic, which has increased competition for limited road space and time. Active traffic signal priority (TSP) has been identified as a cost-effective way to improve the management of manage traffic systems to make on-street public transport more reliable, faster, and more cost-effective. Although the implementation of TSP is growing throughout the world, relatively few studies have examined its application to streetcar-based systems. This paper reviews the experience with TSP in Melbourne, Australia, and Toronto, Canada. These cities run some of the world's oldest and largest streetcar-based TSP systems. This paper describes the TSP systems adopted in the two cities, including key experiences. TSP performance is reviewed, and identified problems and issues are assessed. The review established that the TSP systems in the two cities have many similarities including the configuration of approach and request loop and stop line and cancel loop detection, the degree of priority provided, and the targeting of clearance phases for turning traffic at intersections. There are some slight differences in the handling of bunching trams and opposing tram movements, which are better handled in the Toronto case. The two systems see rather different futures for TSP development. Toronto is focused on full systemwide TSP implementation and advancement of TSP algorithms, whereas Melbourne aims to make priority more conditional on the degree of lateness of trams and on the degree of traffic congestion experienced.
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 | 0,005 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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