MétaCan
Menu
Retour à la cohorte
Enregistrement W2042550318 · doi:10.5038/2375-0901.7.3.4

Impacts of Various Parameters on Transit Signal Priority Effectiveness

2004· article· en· W2042550318 sur OpenAlexafffundabout
Vikki W. K. Ngan, Tarek Sayed, Akmal Abdelfatah

Notice bibliographique

RevueJournal of Public Transportation · 2004
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueTransportation Planning and Optimization
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaUniversity of British Columbia
Mots-clésVisSimHeadwayTransit (satellite)SIGNAL (programming language)Bus priorityTraffic volumeTraffic simulationVolume (thermodynamics)Traffic signalComputer scienceDetectorSimulationSimulation softwareTransport engineeringSoftwareReal-time computingAutomotive engineeringEngineeringMicrosimulationPublic transportTelecommunicationsOperating systemPhysics

Résumé

récupéré en direct d'OpenAlex

This research examines the impacts of a number of traffic parameters on the effectiveness of a Transit Signal Priority (TSP) application. TSP is tested with the 98 B-line rapid buses along Granville Street in the City of Vancouver as a case study. VISSIM, a micro-simulation software (PTV 2002), is used to simulate TSP operation on the corridor. The traffic parameters studied include: bus approach volume, cross street volume/ capacity (v/c) ratio, bus headway, bus stop location, bus check-in detector location, left turn condition, and signal coordination. Based on results from these experiments, recommendations are provided for TSP application on Granville Street. In general, it is found that a TSP application would be most effective under a traffic condition that has moderate-to-heavy bus approach volume, little or no turning volume hindering bus movement, slight-to-moderate cross street v/c ratio, farside bus stop, and signal coordination for traffic running in the peak direction.

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)0,003
score de la tête « metaresearch » (Gemma)0,028
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,004
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,028
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
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 Opus0,023
Tête enseignante GPT0,291
Écart entre enseignants0,268 · 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'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

Citations80
Publié2004
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueJournal of Public TransportationMême sujetTransportation Planning and OptimizationTravaux en français237 207