MétaCan
Menu
Retour à la cohorte
Enregistrement W2995882312 · doi:10.1155/2019/6895239

Urban Arterial Road Optimization and Design Combined with HOV Carpooling under Connected Vehicle Environment

2019· article· en· W2995882312 sur OpenAlexvenueno aff
Lina Mao, Wenquan Li, Pengsen Hu, Guiliang Zhou, Huiting Zhang, Xuanyu Zhou

Notice bibliographique

RevueJournal of Advanced Transportation · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueTransportation and Mobility Innovations
Établissements canadiensnon disponible
Organismes subventionnairesHuaiyin Institute of TechnologyGovernment of Jiangsu ProvinceNational Natural Science Foundation of China
Mots-clésVisSimTraffic volumeTraffic congestionTraffic flow (computer networking)Transport engineeringScheme (mathematics)Road trafficComputer scienceEnvironmental scienceEngineeringComputer networkMathematicsMicrosimulation

Résumé

récupéré en direct d'OpenAlex

The HOV carpooling lane offers a feasible approach to alleviate traffic congestion. The connected vehicle environment is able to provide accurate traffic data, which could optimize the design of HOV carpooling schemes. In this paper, significant tidal traffic flow phenomenon with severe traffic congestion was identified on North Beijing road (bidirectional four-lane) and South Huaihai road (bidirectional six-lane) in Huai’an, Jiangsu Province. The historical traffic data of the road segments were collected through the connected vehicle environment facilities. The purpose of this study is to investigate the effect of adopting two HOV schemes (regular HOV scheme and reversible HOV carpooling scheme) on the urban arterial road under connected vehicle environment. VISSIM was used to simulate the proposed two HOV carpooling schemes at the mentioned road segment. The simulation results showed that the reversible HOV carpooling scheme could not only mitigate the traffic congestion caused by traffic tidal phenomenon but also improve the average speed and traffic volume of the urban arterial road segment, while the regular HOV scheme may exert a negative impact on the average speed and traffic volume on the urban arterial road segment.

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 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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,868
Score d'incertitude au seuil0,428

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 Opus0,006
Tête enseignante GPT0,186
Écart entre enseignants0,179 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations7
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Advanced TransportationMême sujetTransportation and Mobility InnovationsTravaux en français237 207