MétaCan
Menu
Retour à la cohorte
Enregistrement W2604060657 · doi:10.1061/jtepbs.0000046

Innovative Roadside Design Curve of Lateral Clearance: Roadway Spiraled Horizontal Curves

2017· article· en· W2604060657 sur OpenAlexaff
Qing Chong You, Said M. Easa

Notice bibliographique

RevueJournal of Transportation Engineering Part A Systems · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueTraffic and Road Safety
Établissements canadiensToronto Metropolitan UniversityWSP (Canada)Cochrane
Organismes subventionnairesnon disponible
Mots-clésArc lengthSightOffset (computer science)RADIUSChartHorizontal and verticalEngineeringMathematicsSimulationGeometryComputer scienceStatisticsArc (geometry)Optics

Résumé

récupéré en direct d'OpenAlex

This paper presents an innovative design method for determining lateral clearance needs on a spiraled horizontal curve to satisfy sight distance requirements. The roadside lateral clearance is represented by a spiraled horizontal curve that is easy to implement in practice. The design parameters were determined. The characteristics of the corresponding lateral offsets were explored for the influential roadway factors, including required sight distance or design speed, curve radius, curve length, spiral curve length, and station location expressed in fraction of sight distance. The results show that ratio of spiral curve length to required sight distance is the major factor that affects the ratio of the lateral offset to the maximum offset at a circular curve. A single design chart and a design table also are provided as alternative design tools to determine the offset for a specific obstruction location. The proposed design method not only greatly improves the AASHTO approximate approach, but also provides an alternative approach to improving design consistency on horizontal alignments. This paper complements another paper on lateral clearance needs for simple horizontal curves.

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)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,018
Tête enseignante GPT0,225
Écart entre enseignants0,206 · 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'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Transportation Engineering Part A SystemsMême sujetTraffic and Road SafetyTravaux en français237 207