Queue discharge patterns at signalized intersections with green signal countdown device and long cycle length
Notice bibliographique
Résumé
Summary Two apparent features that prevail at signalized intersections in China are green signal countdown device and long cycle lengths. The objective of this study is to investigate the impacts of green signal countdown device and long cycle length on queue discharge patterns and to discuss its implications on capacity estimation in the context of China's traffic. At five typical large intersections in Shanghai and Tianjin, 11 through lanes were observed, and 9251 saturation headways were obtained as valid samples. Statistical analyses indicate that the discharge process of queuing vehicles can be divided into three distinct stages according to the discharge flow rate: a start‐up stage, a steady stage, and a rush stage. The average time for queuing vehicles to reach a stationary saturation flow rate, that is, the start‐up stage, was found to be approximately 20–30 seconds; the rush stage usually occurs during the phase transition period. The finding is contrary to the conventional assumption that the discharge rate reaches a maximum value after the fourth vehicle is discharged and then remains constant during the green time until the queue is completely dissolved. The capacity estimation errors that might arise from the conventional methods are discussed through a comparative study and a sensitivity analysis that are based on the identified queue discharge patterns. In addition, a piecewise linear regression method was proposed in order to reduce such errors. The proposed method can be used for capacity estimation at signalized intersections with the identified queue discharge patterns. Copyright © 2017 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 ».