Exploring Travel Time Distribution and Variability Patterns Using Probe Vehicle Data: Case Study in Beijing
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Exploring travel time distribution and variability patterns is essential for reliable route choices and sophisticated traffic management and control. State-of-the-art studies tend to treat different types of roads equally, which fails to provide more detailed analysis of travel time characteristics for each specific road type. In this study, based on a vast amount of probe vehicle data, 200 links inside the Third Ring Road of Beijing, China, were investigated. Four types of roads were covered including urban expressways, auxiliary roads of urban expressways, major roads, and secondary roads. The day-of-week distributions of unit distance travel time were first analyzed. Kolmogorov-Smirnov test, Anderson-Darling test, and chi-squared test were employed to test the goodness-of-fit of different distributions and the results showed lognormal distribution was best-fitted for different time periods and road types compared with normal, gamma, and Weibull distribution. In addition, four reliability measures, that is, unit distance travel time, coefficient of variation, buffer time index, and punctuality rate, were used to explore the day-of-week travel time variability patterns. The results indicated that urban expressways, auxiliary roads of urban expressways, and major roads have regular and distinct morning and afternoon peaks on weekdays. It is noteworthy that in daytime the travel times on auxiliary roads of urban expressways and major roads share similar variability patterns and appear relatively stable and reliable, while urban expressways have most reliable travel times at night. The results of analysis help enable a better understanding of the volatile travel time characteristics of each road type in urban network.
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.
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 | 0,001 | 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 | 0,002 |
| 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 découle