The Impact of Violations of Bicycles and Pedestrians on Vehicle Emissions at Signalized Intersections
Notice bibliographique
Résumé
An intersection is a typical emission hot spot in the urban traffic network. And frequent violations such as running the red light have been a critical social problem at signalized intersections in developing countries. This article aimed to quantify the impact of violations (behaviors which will block the fleet) on emissions at signalized intersections. Increased emissions of vehicles affected by violations are of two levels: (1) trajectory level for the first four affected vehicles and (2) traffic flow level for the subsequent vehicles. At the trajectory level, the study focuses on the second-by-second activities of the first four affected vehicles. First, the trajectory model of the first affected vehicle is developed. Then, the trajectory of the other three vehicles is constructed using the Gipps car-following model. At the traffic flow level, a linear emission model is developed to describe the relationship between emission factors and idling time in the one-stop (vehicle stop once) and two-stop (vehicle stop twice) scenarios based on the global position system (GPS)-collected data at 44 intersections in Beijing. Based on the linear emission model, increased emissions at the traffic flow level are calculated as knowing the number of stops and idling time before and after violations. The analysis of the subsequent vehicles is divided into unsaturated and saturated conditions. Under the unsaturated condition, the emissions have barely increased due to the increase of idling time for one-stop vehicles caused by the violations. Under the saturated conditions, the emission increment increases sharply as the one-stop vehicle gradually transforms to a two-stop vehicle because of violations, and the maximum emission increment reaches 45% in half an hour in the case. The increment of emissions decreases steadily as the proportion of two-stop vehicles reaches 100% after violations, while the proportion before violations keeps increasing.
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 ».