Variable Speed Limit for Freeway Work Zone with Capacity Drop Using Discrete-Time Sliding Mode Control
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
Freeway work zone with lane closure has a direct negative impact on travel time, safety, and environmental sustainability. The capacity drop at the onset of the congestion can also further reduce the discharging rate at the work zone area and worsen traffic conditions. Existing studies have developed various variable speed limit (VSL) control methods to mitigate the congestion; however, a simple yet robust VSL control strategy that considers the nonlinearity induced by the capacity drop is still lacking. To address the above-mentioned issue, this study proposes a VSL strategy using a nonlinear traffic flow model and a discrete-time sliding mode control for freeway work zone. The developed traffic flow model incorporates the nonlinearity caused by the capacity drop at the work zone using the cell transmission model. The sliding mode controller is designed to drive the traffic state, which is acquired from the built traffic flow model, to the desired equilibrium state with different convergence rates. Under speed limit constraints, the VSL scheme is generated to regulate the traffic and mitigate the congestion. The proposed system is implemented and evaluated using the traffic microscopic simulator SUMO. The results indicate that the proposed VSL control can consistently improve the traffic mobility, safety, and environmental sustainability under the noisy traffic demand and different control scenarios. Compared with the uncontrolled scenario, the developed system shows improvement by approximately reducing 17% of the average travel time, 90% of the safety risk, and 6% of NOx, CO2 emissions, and fuel consumption.
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) | 0,001 | 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 découle