MétaCan
Menu
Retour à la cohorte
Enregistrement W2008440280 · doi:10.1002/atr.5670340206

Evaluation of forced flows on freeways with single‐loop detectors

2000· article· en· W2008440280 sur OpenAlexvenueno aff
N L Nihan

Notice bibliographique

RevueJournal of Advanced Transportation · 2000
Typearticle
Langueen
DomaineEngineering
ThématiqueTraffic Prediction and Management Techniques
Établissements canadiensnon disponible
Organismes subventionnairesWashington State UniversityU.S. Department of Transportation
Mots-clésBottleneckComputer scienceMetering modeTraffic congestionTraffic flow (computer networking)Real-time computingOperations researchTransport engineeringSimulationEngineeringComputer network

Résumé

récupéré en direct d'OpenAlex

Abstract This paper documents the development of a simple method for identifying and/or predicting freeway congestion using single loop detection systems. The proposed algorithm is simple and easy to incorporate into most freeway management systems. The Washington State Department of Transportation's Traffic Systems Management Center (TSMC) sponsored the original study. The investigation also led to a recommendation to replace the original TSMC definition of congestion or forced flow conditions with a more reliable indicator. Although, the TSMC has recently implemented a more advanced prediction system based on fuzzy set theory and neural networks to further identify patterns and rules for ramp metering strategies, the findings presented here continue to be constructive to freeway managers looking for quick and easy analyses that rely solely on single‐loop detection systems. The Seattle Area freeway study section used for the original study was the portion of mainline 1–5 northbound starting at the downtown Seattle Station 108 and ending at the Mountlake Terrace Station 193. Several days' worth of volume and lane‐occupancy data were collected for the afternoon time period from 2:30 p.m. to 6:30 p.m. Time intervals of 20 seconds were chosen for each data collection period. Important products of this research include the following: simple, and more reliable criterion for the definition of “bottleneck” or forced flow conditions than that originally used by the TSMC. simple, and reliable criterion for predicting impending “bottlenecks” or forced flow conditions. A proposed variable for improved selection of the appropriate metering rate. (Further analysis of the use of this variable for determining metering rates is recommended for future studies. The proposed criteria are simple and easy to incorporate into current freeway management computer systems. Further investigation of freeway performance measurement using volume and occupancy data obtained from single‐loop systems is currently being performed.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,551
Score d'incertitude au seuil0,299

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 Opus0,011
Tête enseignante GPT0,224
Écart entre enseignants0,212 · 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

Citations4
Publié2000
Routes d'admission1
Résumé présentoui

Explorer davantage

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