Probabilistic Design of Freeway Entrance Speed-Change Lanes considering Acceleration and Gap Acceptance Behavior
Notice bibliographique
Résumé
An adequate length of entrance speed-change lanes (SCLs) is required for vehicles’ acceleration and gap-searching purposes so that vehicles can merge onto the freeway comfortably. The current design guides use a deterministic approach for the design of SCL length based only on the acceleration behavior of vehicles in the SCL. This study introduces a probabilistic approach for the design of the length of SCLs that considers both acceleration and gap acceptance behavior of drivers during the merging process. A microscopic simulation, coupled with a Monte Carlo simulation technique, is used to develop a probabilistic model to evaluate the probability of a forced merge by vehicles in the SCL, termed the probability of noncompliance (PNC). Reliability measures can be developed on the basis of the distribution of PNC values for all simulated SCL vehicles at a specific site. Several such measures are estimated for seven study sites and are shown to have high potential to indicate the safety performance at entrance SCL sites. As an example application of the developed model, the mean PNC is estimated to the SCL lengths recommended in North American design guides for a specific freeway design speed but different values of controlling curve design speed and traffic volume in the freeway right lane. The results indicate that the mean PNC may change with the change of either the design speed of the ramp controlling curve or the traffic volume on the freeway right lane.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».