MétaCan
Menu
Retour à la cohorte
Enregistrement W2508445158 · doi:10.1061/jtepbs.0000131

New Concept Design of Directional Rumble Strips for Deterring Wrong-Way Freeway Entries

2018· article· en· W2508445158 sur OpenAlexaff
Lingling Yang, Huaguo Zhou, Lingxi Zhu

Notice bibliographique

RevueJournal of Transportation Engineering Part A Systems · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueTraffic Prediction and Management Techniques
Établissements canadiensStantec (Canada)
Organismes subventionnairesnon disponible
Mots-clésRumbleSTRIPSComputer scienceTransport engineeringEngineering drawingEngineeringArtificial intelligenceComputer vision

Résumé

récupéré en direct d'OpenAlex

Drivers who make wrong-way entries onto freeways pose a serious risk to the safety of other motorists and themselves. As a new countermeasure to mitigate the wrong-way entry issue, directional rumble strips (DRSs) were designed to generate elevated noises and vibrations to warn against wrong-way drivers and a normal level of stimuli to slow down right-way traffic. Five conceptual designs were developed based on Department of Transportation (DOT) guidelines, existing transverse rumble strips implementations, and input from rumble strip vendors. A national survey and extensive field tests were performed to verify the effectiveness of the proposed configurations. Acoustic and tactile signatures of the DRSs were measured by a specially equipped passenger car under different speed categories. The results indicated that the tested patterns could provide similar sound and vibration levels in the wrong-way direction as the existing transverse rumble strips (61.8–80.0 dBA sound signals and 1.1–1.4 g vibrations). The statistical and comparative analyses identified three DRS configurations that could produce greater audible and tactile signals in the wrong-way direction than the right-way direction, thereby serving the purpose of alerting inattentive wrong-way drivers while offering good visual attentiveness and applicability.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
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 Opus0,015
Tête enseignante GPT0,208
Écart entre enseignants0,194 · 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'étudeExpérimental (laboratoire)
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

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Transportation Engineering Part A SystemsMême sujetTraffic Prediction and Management TechniquesTravaux en français237 207