Theoretical Comparison of the Effects of Different Traffic Conditions on Urban Road Traffic Noise
Notice bibliographique
Résumé
Road traffic noise is one of the most relevant sources in the environmental noise pollution of the urban areas where dynamics of the traffic flow are much more complicated than uninterrupted traffic flows. It is evident that different traffic conditions would play the role in the urban traffic flow considering the dynamic nature of the traffic flow on one hand and presence of traffic lights, roundabouts, etc. on the other hand. The main aim of the current paper is to investigate the effect of different traffic conditions on urban road traffic noise. To do so, different traffic conditions have been theoretically generated by the Monte Carlo Simulation technique following the distribution of traffic speed in the urban roads. The “ASJ RTN-Model” has been considered as a base road traffic noise prediction model which would deal with different traffic conditions including steady and nonsteady traffic flow that would cover the urban traffic flow conditions properly. Having generated the vehicles speeds in different traffic conditions, the emitted noise ( LWA ) and subsequently the noise level at receiver ( LA ) were estimated by “ASJ RTN-Model.” Having estimated LWA and LA for each and every vehicle in each traffic condition and taking the concept of transient noise into account, the single event sound exposure levels ( SEL ) in different traffic conditions are calculated and compared to each other. The results showed that decelerated traffic flow had the lowest contribution, compared to congestion, accelerated flow, free flow, oversaturated congestion, and undersaturated flow by 16%, 14%, 12%, 12%, and 10%, respectively. Moreover, the distribution of emitted noise and noise level at receiver were compared in different traffic conditions. The results showed that traffic congestion had considerably the maximum peak compared to other traffic conditions which would highlight the importance of the range of generated noise in different traffic conditions.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».