MétaCan
Menu
Retour à la cohorte
Enregistrement W2936730642 · doi:10.1061/jtepbs.0000246

Modeling Speed and Comfort Threshold on Horizontal Curves of Rural Two-Lane Highways Using Naturalistic Driving Data

2019· article· en· W2936730642 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueJournal of Transportation Engineering Part A Systems · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueTraffic and Road Safety
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésPercentileTangentReliability (semiconductor)Consistency (knowledge bases)HeadwaySimulationGeometric designComputer scienceStability (learning theory)StatisticsMathematicsEngineeringTransport engineeringArtificial intelligenceMachine learning

Résumé

récupéré en direct d'OpenAlex

Modeling efforts for driver behavior parameters on horizontal curves have mostly focused only on the 85th percentile value. However, predicting whole distributions would help improve alignment design by allowing reliability-based design and design consistency evaluation. This paper used naturalistic driving study data to model distributions of speed and comfort threshold on horizontal curves of two-lane rural highways. Several variables along the approach tangent and curve were extracted and examined. This analysis helped determine the driver behavior parameters needed to evaluate driver behavior on horizontal curves and the headway threshold for free-flow conditions. Driver level models (DLM) and panel models (PM) were developed to predict distributions of curve speed and comfort threshold in addition to the traditional 85th percentile models. The models developed can be used in evaluating vehicle stability, driver comfort, and design consistency. Thus, the models can act as the basis for reliability analysis of horizontal curves, for which analysis methods are already established but realistic data are relatively scarce.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,028
Score d'incertitude au seuil0,681

Scores Codex et Gemma par catégorie

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

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 Opus0,023
Tête enseignante GPT0,233
Écart entre enseignants0,210 · 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