MétaCan
Menu
Retour à la cohorte
Enregistrement W1985871226 · doi:10.1002/atr.5670350106

Characterization of incidents on an urban arterial road

2001· article· en· W1985871226 sur OpenAlexvenueno aff
James Luk, Edward Chung, Francis Y. C. Sin

Notice bibliographique

RevueJournal of Advanced Transportation · 2001
Typearticle
Langueen
DomaineEngineering
ThématiqueTraffic Prediction and Management Techniques
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésUpstream (networking)OccupancyTransport engineeringStreet networkTraffic flow (computer networking)Environmental scienceDownstream (manufacturing)Traffic congestionComputer scienceEngineeringCivil engineeringTelecommunicationsComputer securityOperations management

Résumé

récupéré en direct d'OpenAlex

Abstract The early warning of incidents on urban arterial roads in a congested city can reduce delay, accidents and pollutant emission. Freeway incident detection systems implemented in recent years may not be suitable for arterial incidents. Arterial incident detection is more difficult. The traffic flow on an arterial road is not conserved from the upstream end of a road link to the downstream end because urban traffic does turn in and out of side‐streets, car‐parks and local residences. Roadside friction such as kerbside parking and shopping traffic also tends to create apparent incidents which are in fact frequent and normal events. This paper develops a definition for an arterial incident and describes a case study on an arterial road in Melbourne, Australia. The study shows that detectors upstream of an incident are more useful for incident detection than downstream detectors. It also identifies occupancy and speed as the appropriate parameters to characterise and detect arterial incidents.

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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,946
Score d'incertitude au seuil0,262

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 savante0,0000,001
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 Opus0,006
Tête enseignante GPT0,222
Écart entre enseignants0,216 · 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'étudeObservationnel
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

Citations19
Publié2001
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Advanced TransportationMême sujetTraffic Prediction and Management TechniquesTravaux en français237 207