MétaCan
Menu
Retour à la cohorte
Enregistrement W3036285880 · doi:10.1155/2020/8237649

Review of Virtual Traffic Simulation and Its Applications

2020· article· en· W3036285880 sur OpenAlexvenueno aff
Cuijuan Liu, Zhen Liu, Yanjie Chai, Tingting Liu

Notice bibliographique

RevueJournal of Advanced Transportation · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueEvacuation and Crowd Dynamics
Établissements canadiensnon disponible
Organismes subventionnairesNatural Science Foundation of Zhejiang ProvinceNingbo University
Mots-clésTraffic simulationStatus quoComputer scienceTraffic flow (computer networking)Transport engineeringAnimationHotspot (geology)Traffic conflictCrowd simulationNetwork traffic simulationTraffic engineeringTraffic generation modelFloating car dataVirtual realityModeling and simulationSimulationTraffic congestionEngineeringHuman–computer interactionNetwork traffic controlMicrosimulationCrowdsComputer securityReal-time computingComputer networkComputer graphics (images)

Résumé

récupéré en direct d'OpenAlex

The increasing number of vehicles in cities brings new challenges to urban traffic management. Analyzing and modeling traffic is of great practical significance to urban intelligent traffic management. In this paper, the existing traffic simulation research is reviewed and summarized. Firstly, the crowd modeling and crowd animation are analyzed by referring to the idea of crowd simulation. Secondly, it compares and analyzes various existing car following technologies, and points out that animated traffic simulation is a hotspot in traffic simulation research. And then the concept of affective computing is integrated into the traffic simulation, considering the impacts of drivers’ emotion on vehicle driving and it is pointed out that the emotion-driven traffic flow is more authentic. Finally, combined with the status quo, the existing research drawbacks are analyzed, and the direction of future traffic simulation is pointed out.

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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,308
Score d'incertitude au seuil0,210

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 Opus0,013
Tête enseignante GPT0,269
Écart entre enseignants0,256 · 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

Citations17
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Advanced TransportationMême sujetEvacuation and Crowd DynamicsTravaux en français237 207