MétaCan
Menu
Retour à la cohorte
Enregistrement W2345406866

Impact of Weather Conditions on Traffic: Case Study of Montreal’s Winter

2016· article· en· W2345406866 sur OpenAlexaboutno aff
Marc-André Tessier, Catherine Morency, Nicolas Saunier

Notice bibliographique

RevuePolyPublie (École Polytechnique de Montréal) · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueTraffic Prediction and Management Techniques
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésVisibilityMetropolitan areaMeteorologySnowTraffic congestionEnvironmental scienceAutomatic weather stationGeographyAir quality indexTransport engineeringClimatologyEngineering
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Congestion is the number one issue in many metropolitan areas. It decreases quality of life and generates negative impacts on the environment and the economy. Apart from recurring congestion causes, many events and circumstances can affect the traffic conditions: weather, roadworks, road incidents and other special events. The former is very important especially in a northern city like Montreal, where winter conditions last four to six months each year.This study relies on GPS data from vehicle fleets combined with weather data from weather stations to assess traffic conditions on the whole highway network of the Greater Montreal Area. The proposed methodology uses logistic regression models to model the probability of congestion to describe the effects of weather conditions (snowfall), road conditions (icy) and visibility on traffic conditions, defined using the Speed Limit Ratio. This research is part of the development of a congestion monitoring and analysis tool for the region of Montreal, which is also presented.

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)0,000
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 enseignants0,614
Score d'incertitude au seuil0,841

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,009
Tête enseignante GPT0,243
Écart entre enseignants0,233 · 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

Citations4
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePolyPublie (École Polytechnique de Montréal)Même sujetTraffic Prediction and Management TechniquesTravaux en français237 207