MétaCan
Menu
Retour à la cohorte
Enregistrement W2117676939 · doi:10.5539/mas.v6n9p1

European Speed Environment Model for Highway Design-Consistency

2012· article· en· W2117676939 sur OpenAlexvenueno aff
Gianluca Dell’Acqua

Notice bibliographique

RevueModern Applied Science · 2012
Typearticle
Langueen
DomaineEngineering
ThématiqueTraffic control and management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésComputer scienceGeometric designConsistency (knowledge bases)Transport engineeringCurvatureTraffic speedHomogeneousWork (physics)Plan (archaeology)Traffic flow (computer networking)Design speedSimulationMathematicsGeographyEngineering

Résumé

récupéré en direct d'OpenAlex

The European road network is very large, and much of it is made up of two-lane rural roads. In Italy the road network requires adjustment work to improve mobility safety management. One of the most important tools for this analysis is the operating speed (V85) profile. In many design standards, different formulations are used for estimating V85, obtained on the basis of research carried out at different times and in different contexts. The aim of the research presented in this study is to analyze driver speed behavior on two-lane rural highways. The study was conducted using traffic counters, able to record in both directions and for every passage of a vehicle, its length, instant speed and direction. The survey plan was elaborated to satisfy different research objectives. The readings were taken by keeping every section under observation for 3, 6 or 12 hours. The data were collected on 11 homogeneous sections of highway. The database consisted of free-flow passenger car speeds and various geometric data from 103 sites. Data were collected at sites to both develop and validate equations. The proposed model includes the radius of horizontal curvature and the “Speed Environment”, which is defined as the speed at which users travel in free-flow conditions when they are not constrained by the alignment of the highway.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,971
Score d'incertitude au seuil0,497

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,028
Tête enseignante GPT0,196
Écart entre enseignants0,168 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations10
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueModern Applied ScienceMême sujetTraffic control and managementTravaux en français237 207