Operational Efficiency Evaluation of Intersections with Dynamic Lane Assignment Using Field Data
Notice bibliographique
Résumé
The dynamic lane assignment at signalized intersections is a possible countermeasure to address the traffic demand variability problem. However, the operational efficiency is affected by the unfamiliarity of the drivers. This paper evaluates the operational efficiency of the intersections with dynamic lane assignment using field data collected at five intersections in China. A total of 63488 vehicles were captured, which were divided into four groups according to the lanes they drive on: Group 1, the variable approach lane; group 2, the lane adjacent to the variable lane with the same lane-use; group 3, the lane adjacent to the variable lane with different lane-use of the variable lane; and group 4, the lanes with the same lane-use as the variable lane at other approaches of the intersection. The statistical analysis was conducted to identify the difference of saturation flow rate among the four groups. A saturation flow rate adjustment model was established accordingly. Results indicate that the using of the dynamic lane assignment decreases the saturation flow rate of the variable lane and the adjacent lane with different lane-use 22.86% and 9.80%, respectively. For the variable lane, the reduction of the saturation flow rate comes from three aspects: the unequal distribution of traffic (8.9%), the mandatory lane-changing (10.7%), and the lane blockage (4.9%).
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 ».