MétaCan
Menu
Retour à la cohorte
Enregistrement W2290689041 · doi:10.3141/2588-03

Reliability-Based Design of Horizontal Curves on Two-Lane Rural Highways

2016· article· en· W2290689041 sur OpenAlexaff
Bashar Dhahir, Yasser Hassan

Notice bibliographique

RevueTransportation Research Record Journal of the Transportation Research Board · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueTraffic and Road Safety
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésReliability (semiconductor)Geometric designContext (archaeology)Probabilistic logicAccelerationProbabilistic analysis of algorithmsProbabilistic designProbability distributionReliability engineeringSimulationStability (learning theory)Computer scienceEngineeringStatisticsEngineering design processMathematicsTransport engineering

Résumé

récupéré en direct d'OpenAlex

Current design guides adopt a deterministic approach to the design of horizontal curves; each factor included in the design is represented by the near-worst-case value. In the context of horizontal curve design, the design procedure is based only on the driver comfort criterion, and data correspond to experiments conducted in the 1930s. Furthermore, current horizontal curve design procedures lack a quantitative evaluation for safety. To overcome those shortcomings, a new design framework is proposed to design horizontal curves; a probabilistic approach is adopted and two criteria are considered: vehicle dynamic stability and driver comfort. Reliability analysis was used to provide a quantitative evaluation for the design in regard to the probability of failure, probability of noncompliance, and reliability index. Outputs of simulation runs in a vehicle dynamics model were used to estimate demand lateral friction and lateral acceleration depending on the geometric characteristics of horizontal curves. In addition, data of an instrumented vehicle experiment were used to develop driver-level models for the distribution of the curve speed and driver comfort threshold. The first-order reliability method was used to estimate the probability of failure, probability of noncompliance, and reliability index. The proposed design framework and developed models were applied in an example to design a horizontal curve for a specific design speed.

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)0,004
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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,737
Score d'incertitude au seuil0,657

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 Opus0,058
Tête enseignante GPT0,329
Écart entre enseignants0,270 · 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'étudeObservationnel
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

Citations31
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTransportation Research Record Journal of the Transportation Research BoardMême sujetTraffic and Road SafetyTravaux en français237 207