Observing freeway ramp merging phenomena in congested traffic
Notice bibliographique
Résumé
Abstract This work conducts a comprehensive investigation of traffic behavior and characteristics during freeway ramp merging under congested traffic conditions. On the Tokyo Metropolitan Expressway, traffic congestion frequently occurs at merging bottleneck sections, especially during heavy traffic demand. The Tokyo Metropolitan Expressway public corporation, generally applies different empirical strategies to increase the flow rate and decrease the accident rate at the merging sections. However, these strategies do not rely either on any behavioral characteristics of the merging traffic or on the geometric design of the merging segments. There have been only a few research publications concerned with traffic behavior and characteristics in these situations. Therefore, a three‐year study is undertaken to investigate traffic behavior and characteristics during the merging process under congested situations. Extensive traffic data capturing a wide range of traffic and geometric information were collected using detectors, videotaping, and surveys at eight interchanges in Tokyo Metropolitan Expressway. Maximum discharged flow rate from the head of the queue at merging sections in conjunction with traffic and geometric characteristics were analyzed. In addition, lane changing maneuver with respect to the freeway and ramp traffic behaviors were examined. It is believed that this study provides a thorough understanding of the freeway ramp merging dynamics. In addition, it forms a comprehensive database for the development and implementation of congestion management techniques at merging sections utilizing Intelligent Transportation System.
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 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 | 0,000 | 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».