MétaCan
Menu
Retour à la cohorte
Enregistrement W2013549738 · doi:10.3141/1748-14

Breakdown-Related Capacity for Freeway with Ramp Metering

2001· article· en· W2013549738 sur OpenAlexafffundabout
Bhagwant Persaud, Sam Yagar, David Tsui, Horace Look

Notice bibliographique

RevueTransportation Research Record Journal of the Transportation Research Board · 2001
Typearticle
Langueen
DomaineEngineering
ThématiqueTraffic control and management
Établissements canadiensIBI Group (Canada)Ministry of Transportation of OntarioUniversity of WaterlooToronto Metropolitan University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésMetering modeMerge (version control)Highway Capacity ManualTransport engineeringComputer scienceEnvironmental scienceSimulationEngineeringAutomotive engineeringLevel of service

Résumé

récupéré en direct d'OpenAlex

Research was conducted to better understand the breakdown phenomenon and look for ways of strategically increasing capacity and travel speed by reducing breakdowns on a section of freeway in Mississauga, Ontario, that is subject to ramp metering. The major task was to quantify the probability of breakdown as an increasing function of volume at the critical location. Data from 71 peak periods during which breakdown occurred at the critical merge were used to estimate the function, which was then used in a computer simulation of fixed- and variable-rate metering to demonstrate the potential benefits of using the probability-of-breakdown concept as a basis for ramp metering. The results indicate, for example, that variable-rate metering that complements a constant merge flow limit of 2,320 veh/h per lane could increase peak-hour throughput from about 6,460 to 6,600 veh/h at this location. They also indicate that 2,500 veh/h might be allowed, provided stringent metering for quick recovery to free flow is feasible.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,023
Score d'incertitude au seuil0,045

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,063
Tête enseignante GPT0,313
Écart entre enseignants0,250 · 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 source (Gemma direct ou Codex distillé), 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

Citations84
Publié2001
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueTransportation Research Record Journal of the Transportation Research BoardMême sujetTraffic control and managementTravaux en français237 207