MétaCan
Menu
Retour à la cohorte
Enregistrement W2046842627 · doi:10.1061/(asce)0733-947x(2003)129:5(572)

Guidelines for Estimating Capacity at Freeway Reconstruction Zones

2003· article· en· W2046842627 sur OpenAlexafffundabout
Ahmed Al‐Kaisy, Fred L. Hall

Notice bibliographique

RevueJournal of Transportation Engineering · 2003
Typearticle
Langueen
DomaineEngineering
ThématiqueTraffic control and management
Établissements canadiensMcMaster University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaMcMaster University
Mots-clésCarrying capacityPopulationTransport engineeringWork (physics)Computer scienceEnvironmental scienceEngineering

Résumé

récupéré en direct d'OpenAlex

This paper reports findings from recent investigations into freeway capacity at several reconstruction zones in Ontario, Canada. The aim is to provide guidelines for estimating freeway capacity at reconstruction sites. Findings are presented in two parts. The first involved results of individual investigations to estimate a base capacity at freeway reconstruction sites and the individual effect of several important factors that are believed to affect this capacity, namely; the effect of heavy vehicles, driver population, rain, site configuration, work activity at site, and light condition. In the second part, attempts to model work zone capacity are presented. Initially, two types of “site-specific” capacity models were developed using different analytical techniques at sites that have the most extensive and comprehensive capacity data. Finally, a “generic” capacity model for freeway reconstruction sites is proposed based on results from the individual investigations and the site-specific models. The proposed model suggests a base capacity value of 2,000 passenger cars per hour per lane for reconstruction sites under favorable conditions. Heavy vehicles and driver population were found to have the most significant effect on capacity.

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)0,007
score de la tête « metaresearch » (Gemma)0,042
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,176
Score d'incertitude au seuil0,351

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,042
Méta-épidémiologie (sens strict)0,0030,002
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0100,006
Études des sciences et des technologies0,0020,001
Communication savante0,0040,004
Science ouverte0,0110,003
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0060,003

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 GPT0,225
Écart entre enseignants0,201 · 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'étudeSans objet
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations89
Publié2003
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueJournal of Transportation EngineeringMême sujetTraffic control and managementTravaux en français237 207