MétaCan
Menu
Retour à la cohorte
Enregistrement W2163846260 · doi:10.5539/mas.v7n1p1

Right-turn Bypass Lanes at Roundabouts: Geometric Schemes and Functional Analysis

2012· article· en· W2163846260 sur OpenAlexvenueno aff
Raffaele Mauro, Marco Guerrieri

Notice bibliographique

RevueModern Applied Science · 2012
Typearticle
Langueen
DomaineEngineering
ThématiqueTraffic control and management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRoundaboutSlip (aerodynamics)PedestrianComputer scienceLevel of serviceHighway Capacity ManualRight of wayTransport engineeringSimulationEngineering

Résumé

récupéré en direct d'OpenAlex

Right-turn bypass lanes can be implemented in conventional and innovative roundabout intersections to increase the capacity and improve the global functional performances. The Right-turn bypass lanes (also called slip lanes) can be distinguished according to the planimetric layout and the entry control type (stop, yield slip or Free Flow acceleration lane). This paper presents a closed-form model for the estimation of capacity, delays and level of service of roundabout equipped with Right-turn bypass lanes, considering the effect of geometric slip lane schemes, control type, vehicular and pedestrian flow. In order to examine the traffic conditions which can benefit from slip lane roundabouts in terms of capacity and delays, compared to traditional schemes which have no additional lanes, a great number of analyses have been carried out by considering different O/D matrices and vehicle and pedestrian flow vectors. Such comparisons have been made by considering the control delays in function of different O/D matrices. Such O/D matrices describe the most significant situations of traffic demand which can be of interest for the road intersections under study.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,008
Tête enseignante GPT0,188
Écart entre enseignants0,179 · 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 source (Gemma direct ou Codex distillé), 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
GenreEmpirique

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

En bref

Citations26
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueModern Applied ScienceMême sujetTraffic control and managementTravaux en français237 207