MétaCan
Menu
Retour à la cohorte
Enregistrement W2936127330 · doi:10.1155/2019/1786373

Impact of Guideline Markings on Saturation Flow Rate at Signalized Intersections

2019· article· en· W2936127330 sur OpenAlexvenueno aff
Zhengtao Qin, Jing Zhao, Shidong Liang, Jiao Yao

Notice bibliographique

RevueJournal of Advanced Transportation · 2019
Typearticle
Langueen
DomainePsychology
ThématiqueSafety Warnings and Signage
Établissements canadiensnon disponible
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésOffset (computer science)Intersection (aeronautics)Transport engineeringOblique caseGuidelineComputer scienceSimulationEngineering

Résumé

récupéré en direct d'OpenAlex

Many intersections around the world are irregular crossings where the approach and exit lanes are offset or the two roads cross at oblique angles. These irregular intersections often confuse drivers and greatly affect operational efficiency. Although guideline markings are recommended in many design manuals and codes on traffic signs and markings to address these problems, the effectiveness and application conditions are ambiguous. The research goal was to analyze the impact of guideline markings on the saturation flow rate at signalized intersections. An adjustment estimation model was established based on field data collected at 33 intersections in Shanghai, China. The proposed model was validated using a before–after case study. The underlying reasons for the impact of intersection guideline markings on the saturation flow rate are discussed. The results reveal that the improvement in the saturation flow rate obtained from painting guide line markings is positively correlated with the number of traffic lanes, offset of through movement, and turning angle of left-turns. On average, improvements of 7.0% and 10.3% can be obtained for through and left-turn movements, respectively.

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)0,002
score de la tête « metaresearch » (Gemma)0,012
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,021
Score d'incertitude au seuil0,042

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,012
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,011
Tête enseignante GPT0,317
Écart entre enseignants0,307 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations14
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Advanced TransportationMême sujetSafety Warnings and SignageTravaux en français237 207