Real-Time Traffic State Estimation and Prediction for Active Traffic and Demand Management: The Application of DynaTAM
Notice bibliographique
Résumé
Over the last decade, increased interests have been found in the field of Active Traffic and Demand Management (ATDM), and subsequently numerous simulation studies were devoted to see its effectiveness. Unfortunately, the real life benefits of ATDM application are not still apparent. This may be attributable to the following factors: (1) accuracy of traffic data obtained from the available field traffic sensors and failure to transmit the real-time and on-line data to the Traffic Management Centre (TMC); (2) absence of accurate traffic dynamics for the traffic state prediction; and (3) reliable field application software in the field of ATDM. To promise the above functions, in this research, DynaTAM—a field application tool is being developed by the authors. It can be used to analyze, simulate, and optimize traffic network in off-line or on-line mode. This paper presents the framework of DyanTAM and its communication protocol with the outer system, i.e. traffic control devices and field sensors. In the data management module, it has realized a practical data conditioning method which makes it suitable for ATDM application. The current version of this tool provides Variable Speed Limit (VSL) and Ramp Metering (RM) control as the start-up ATDM strategies with a hierarchical and coordinated control system. It evaluates the traffic states for roadway links by the well-known and parsimonious METANET and cell transmission model (CTM). Indeed, these macroscopic traffic models work as reference traffic simulators for traffic state prediction. As a preliminary evaluation, the VSL control module of DynaTAM will be tested this year on the Whitemud Drive (WMD), Edmonton. Therefore, the WMD project will be used in this paper as an exemplification, with some ideas and details given about the field test and application.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».