Proactive Ramp Management under the Threat of Freeway-Flow Breakdown
Notice bibliographique
Résumé
Ramp metering is a frequently applied method to improve traffic flow performance in congested freeway systems. There is a great variety of control algorithms to decide on red times of ramp metering signals. Based on current research results about the probability of flow-breakdown on freeway segments, a new approach for ramp metering strategies was developed. It is based on the idea of a network-wide consistent probability for a flow breakdown. This idea has been actualized for various popular ramp metering concepts. For two real-world cases, one from Minneapolis and the other from Toronto, new ramp metering algorithms have been formulated in detail based on traffic flow data from these freeways. To test the effects of these modified algorithms, microscopic simulation by VISSIM was applied. It was possible to represent traffic flow with the currently applied metering concept, and with the use of the new probability-based concepts. Simulation runs over 5 to 6 hours of traffic flow, including the decisive peak hours, have been performed. The results showed that the new algorithms were able to improve the overall performance of the freeway systems concerned. The method was able to postpone the beginning of breakdown, reduce the duration of congested periods, and, thus, reduce the total amount of travel time for drivers. Therefore, the concept of probability based ramp metering algorithms appears to be a useful tool to achieve balanced ramp metering strategies for congested freeway systems.
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 ».