Effects of Rain on Traffic Operations on Florida Freeways
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 the correlation between traffic variables and weather appears to be intuitive, quantifying the effects that weather, especially rain, has on driver response in travel speeds and traffic demands is needed to evaluate practical aspects of traffic operations. Previous studies have researched driver responses to inclement weather on freeways located in northern regions of the United States and Canada. However, driver familiarity with local weather conditions is a factor that should be considered in determining inclement weather effects on traffic variables. The focus of this research was to examine driver response to rain precipitation on freeways located in the southeastern regions of the United States to determine whether results from previous studies were general indicators or location specific in nature. To study the impacts of rain precipitation on hourly mean speeds and traffic volumes, hourly weather data and traffic sensor data were collected for two freeway segments in Jacksonville, Florida. The study investigated conditions such as wet versus dry (rain or no rain) and dry versus rain intensity (no rain or light, moderate, or heavy rain) for each segment. The results indicated that mean travel speeds decreased during rainfall events and speed reductions increased with increasing rain intensity. Reductions found for light rainfall events were within the range of previous studies; however, speed reductions during moderate to heavy rains varied widely. The results also indicated that the hour of the day was a factor in the degree of motorists’ speed reduction. Traffic volumes also declined during rainy conditions, with significant reductions during peak hours.
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 | 0,003 | 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 | 0,000 |
| 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