Microsimulating Cross-Border Truck Movements between Ontario and the United States: An Application using Connected Vehicle Technology
Notice bibliographique
Résumé
The land-border crossings between Canada and the United States facilitate over half of the goods transported between the two countries. Since trucks are the primary mode of transportation for the movement of these goods, studying the traffic flows and the characteristics of border crossings is of paramount importance for decision makers, planners and researchers. The province of Ontario is home to the busiest border crossings in Canada including the Ambassador Bridge in Windsor, Ontario and the Blue Water Bridge in Sarnia, Ontario. GPS data collected from a large sample of trucks shows the route choice characteristics for these border crossings. The same dataset also shows the destination locations for these trucks. This thesis utilizes VISSIM, a microscopic traffic simulator, and its dynamic traffic assignment, an imbedded route choice model, to replicate these route choice conditions. Once the model is validated with the shares of flows from the observed (i.e., reference) datasets, the route choice behavior is analyzed under different delay conditions. The research also analyzed the effects of connected vehicle technology, at different penetration rates, on the efficiency of border crossing operations. As the connected vehicles increased in the traffic stream, it was observed that traffic was more streamlined and would switch to use the Blue Water Bridge during the simulation of an incident on Highway 401. The penetration rate was increased in 20% increments and with 100% penetration, 7% of total truck traffic had switched to Blue Water Bridge to travel to their U.S. destination.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».