A new lost time estimation method for right‐turn traffic in Japan considering signal phasing and sneakers
Notice bibliographique
Résumé
SUMMARY Precise estimation of the capacity for right‐turn traffic (comparable to left‐turn traffic in the USA) is of great importance to determine signal phasing schemes at signalized intersections in Japan, where the left‐hand driving rule is valid. However, in most signal timing procedures across the world, the lost time of right‐turn traffic is simply determined by the duration of intergreen intervals and thus lacks considerations of various signal phasing and driver behavior. Meanwhile, sneakers per cycle are usually applied to account for the number of drivers completing right turns during the effective red portion of the clearance‐and‐change intervals. As a result, an initial cycle length must be hypothesized in order to assess the total number of sneakers within the analysis period. Consequently, a time‐consuming iterative calculation process often becomes necessary. Therefore, the present study aims to develop a new lost time estimation method for right‐turn traffic to overcome the aforementioned drawbacks. Lost times of right‐turn traffic under three conventional phasing plans are theoretically formulated on the basis of a time–space diagram and shock‐wave theory. The new method is validated using field data, with case studies of its application in the signal timing procedure. Results indicated that the proposed method is capable of offering more accurate estimation than conventional approaches, which leads to shorter cycle length and simplifies signal timing process by eliminating an iterative check to determine the number of sneakers. Copyright © 2012 John Wiley & Sons, Ltd.
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 | 0,001 |
| 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 ».