Queue length estimation at metered freeway‐to‐freeway connectors
Notice bibliographique
Résumé
Summary Freeway‐to‐freeway connector metering is a cost‐effective and proven freeway management strategy for relieving recurrent congestion. However, one of the critical challenges in design and operation of freeway‐to‐freeway connector metering is the lack of up‐to‐date queue storage length design guidance. In this study, it was found that ramp queue is dynamically related to the metering rate, on‐ramp demand, and traffic flow arrival pattern. Hence, simply using an average demand cannot provide accurate queue length estimation and is also not suitable for queue storage design where the maximum or a percentile queue length is generally used. A mesoscopic queue length simulation model was developed based on the input–output method for estimating queue lengths under various demand‐to‐capacity ratio scenarios. Simulation results indicate that for under‐saturated situations, the ramp queue may exist temporally due to the random short‐term surge of traffic arrivals, and the exponential function could best capture the relationship between queue length and demand‐to‐capacity ratio. For over‐saturated situations, the ramp queue tends to prolong linearly with the demand‐to‐capacity ratio. Based on the simulation, it was recommended that queue storage length be designed as 4.3% of on‐ramp demand when demand is lower than 1200 vph or 2.3% when demand is between 1200 and 2400 vph. 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 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 | 0,000 | 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 ».