Evaluating the Effects of One-Way Traffic Management on Different Vehicle Exhaust Emissions Using an Integrated Approach
Notice bibliographique
Résumé
One-way traffic management is a recognized traffic organization to improve traffic efficiency and safety, but its effects on different traffic emissions remains unclear. This paper aims to investigate the impacts of one-way traffic management on three typical vehicle exhaust emissions including Carbonic Oxide (CO), Hydrocarbon Compounds (HC), and Nitrogen Oxides (NO x ) in a traffic system using an integrated approach. Field experiment was conducted to collect the vehicular emission data under different traffic conditions using the onboard portable emission measurement system. An instantaneous emission model (i.e., Vehicle Specific Power) is calibrated using the collected field emission data and is incorporated into the microscopic traffic simulation tool VISSIM for quantifying the emissions before and after one-way traffic management through simulation. Two scenarios based on real networks and traffic demands of peak hours in part areas of Shanghai are developed for simulation and evaluation. The results show that in the intersections, the emission rates of COHC, NO x after one-way traffic management is significantly reduced by 20.46%, 21.29% and 21.06%, respectively. In the road sections, the emission rates of CO, HC, NO x in the road sections decrease by 23.38% and 26.29%. The overall CO, HC, NO x emissions in the studied network reduce by 21.34%, 22.29% and 23.77% separately due to one-way traffic management. The results provide insights into the derivative effects of one-way traffic management on traffic emissions in the intersections, road sections and network levels, and thus support scientific traffic management for promoting the sustainability of transport system.
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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».