Travel time reliability on a highway network: estimations using floating car data
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
AbstractWith the substantial increase in traffic in many urban areas, travel time reliability is becoming a more critical and more relevant factor than travel time. Currently, new indicators involving travel times and their variability are being used to better assess the efficiency of road networks. Our research here is an attempt to assess the reliability of travel times on the main highway corridors of the Montreal Area (Canada), using floating car data gathered from 1998 to 2004 by MTQ (Quebec's Ministry of Transport). This paper presents the outputs of the data analysis and modeling process that was developed to estimate travel times using such data, as well as to assess the level of variability of those times. Almost 30,000 travel time observations were gathered on fifty different routes over a 6-year period. These routes were divided into 1-kilometer road segments, which were analyzed and modeled using various techniques. The process involves finding the best statistical model to describe travel time distribution, while controlling for a number of factors (period, month, year, or weather) and identifying segments presenting high variability. Secondly, the mean time and time variability are simulated all along the routes and areas that suffer recurrent congestion. Finally, the analysis introduces two new indicators: the probability of non recurrent incidents, and an index summarizing both the mean travel time and the variability of travel times. In the future, we expect to be able to simulate the expected travel time per portion of a route, its reliability, and the probability of encountering incidents of any kind.Keywords: Travel timeFreewaysTraffic congestionFloating cars
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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