Study on the Ways to Improve Deep Underground Road Facilities and Operation Based on the Cases of Longitudinal Tunnel
Notice bibliographique
Résumé
Recently, starting with the deep underground road construction plan in Seobu Expressway, Korea, there area many studies on deep underground roads to be newly built. However, there is an extreme lack of safety standards, which does not consider traffic conditions and road driving characteristics. Therefore, this study reviewed safety elements to reflect in the deep underground road planning by analyzing driving stability of longitudinal tunnels with road environments, which resemble deep underground roads. For comprehensive analysis, the characteristics and causes of the accidents that have occurred in seven longitudinal tunnels with a length of 2km or over in Gangwon area, were collected. Specifically, geometric structures and facilities of each tunnel were investigated. Also, the present state of facility installation and the changes in driving speed of vehicles passing through each tunnel were observed to analyze the causes for the traffic accidents in each tunnel and accident reduction alternatives. It was revealed that the most frequent accidents in the tunnels resulted from the changes of traffic flow due to the abrupt speed reduction of forward vehicles, or the failure in speed control of following vehicles during the traffic congestion situation. Moreover, installing facilities such as plane and longitudinal curves, median strips and marginal strips seem to induce consistent driving speed. These results mean that for accident prevention, speed management must be preceded and there is a need to develop and introduce safety facilities actively to control the driving flow of forward and following vehicles.
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 | 0,001 | 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 | 0,000 |
| 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 ».