MétaCan
Menu
Retour à la cohorte
Enregistrement W2534013286 · doi:10.1002/atr.1421

Modification of the Highway Capacity Manual two‐lane highway analysis procedure for Spanish conditions

2016· article· en· W2534013286 sur OpenAlexvenueno aff
Ana Tsui Moreno, Carlos Llorca, Scott S. Washburn, José Elievam Bessa Júnior, David Hale, Alfredo García

Notice bibliographique

RevueJournal of Advanced Transportation · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueTraffic control and management
Établissements canadiensnon disponible
Organismes subventionnairesMinisterio de Economía y CompetitividadBundesanstalt für StraßenwesenTUM UniversitätsstiftungUniversity of Florida
Mots-clésHighway Capacity ManualTruckTransport engineeringCalibrationTraffic flow (computer networking)Level of serviceInterpolation (computer graphics)Computer scienceEngineeringStatisticsMathematicsAutomotive engineeringTelecommunications

Résumé

récupéré en direct d'OpenAlex

Summary The US Highway Capacity Manual (HCM) methodology is used in Spain to evaluate traffic operation and quality of service. The effect of passing manoeuvre on two‐lane highway operational performance is considered through adjustment factors to average travel speeds and percent time spent following. The procedure is largely based on simulations in TWOPAS and passing behaviours observed during US calibrations in the 1970s. It is not clear whether US driving behaviour and vehicles' performance are comparable with Spanish conditions. The objective of this research is to adapt the HCM 2010 methodology to Spanish driver behaviour, for base conditions (i.e. no passing restrictions). To do so, TWOPAS was calibrated and validated based on current Spanish passing field data. The calibration used a genetic algorithm. The case study included an ideal two‐lane highway with varying directional traffic flow rate, directional split and percentage of trucks. The updated methodology for base conditions is simpler than the current HCM 2010 and does not rely on interpolation from tables. Copyright © 2016 John Wiley & Sons, Ltd.

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 enseignants0,971
Score d'incertitude au seuil0,218

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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 GPT0,233
Écart entre enseignants0,224 · 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

Citations12
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Advanced TransportationMême sujetTraffic control and managementTravaux en français237 207