Modeling Travelers' Responses to Incident Information Provided by Variable Message Signs in Calgary, Canada
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This paper presents an investigation of drivers' response behaviors to intelligent transportation systems. It describes the results of a detailed survey and the results of an econometric model of route diversion behavior in response to real-time information provided by variable message signs (VMSs). The study location was Deerfoot Trail in Calgary, Canada. In case of major delays because of accidents on Deerfoot Trail, the City of Calgary uses 12 VMSs along Deerfoot Trail to divert drivers to alternative parallel arterials. A survey of 500 Deerfoot Trail commuters was conducted to examine the factors affecting drivers' compliance with VMSs. A latent discrete choice model was developed to model the responses of drivers to VMSs. This model introduces behavioral variables within a discrete choice model by endogenously estimating the latent variables. The primary finding of the study is that the en route information provided by VMSs convinces few drivers to change their trip destinations. Of the 500 respondents, 63.3% of drivers alter their trip plans in light of the information provided. However, 36.7% of drivers experience inertia by not altering their route, despite the excessive delays because of route blockage. The empirical model shows that driving experience, familiarity with alternative routes, trip purpose, trip time, trip length, and complementary information sources (e.g., the radio) are the most important factors influencing route-switching behavior in response to VMSs. In addition, drivers' attitudes toward VMSs were found to have the most significant impact on their responses to these 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.
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 | 0,008 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,003 |
| 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 découle