Variation of Impact of Cold Temperature and Snowfall and Their Interaction on Traffic Volume
Notice bibliographique
Résumé
This paper presents a detailed investigation of highway traffic variations with severity of cold, the amount of snow, and various combinations of cold and snow intensities. Separate analyses for starting, middle, and ending months of winter seasons are conducted to study the variations in traffic-weather relationships within the winter season. The study is based on hourly traffic flow data from 350 permanent traffic counter sites located on the provincial highway system of Alberta, Canada, and weather data obtained from nearby Environment Canada weather stations, from 1995 to 2005. Multiple regression analysis is used in the modeling process. The model parameters include three sets of variables: the amount of snowfall as a quantitative variable, categorized cold as a dummy variable, and an interaction variable formed by the product of these two variables. The study results indicate that the association of highway traffic flow with cold and snow varies with day of week, hour of day, and severity of weather conditions. A reduction of 1% to 2% in traffic volume for each centimeter of snowfall is observed when the mean temperature is above 0°C. For the days with zero precipitation, reductions in traffic volume due to mild and severe cold are 1% and 31%, respectively. An additional reduction of 0.5% to 3% per centimeter of snowfall results when snowfall occurs during severe cold conditions. Study results show lesser impact of adverse weather conditions on traffic during severe winter months (mid-November to mid-March) and the months thereafter compared with early (starting) winter months.
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 | 0,001 | 0,001 |
| 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 | 0,002 |
| 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 ».