Capacity Model of Exclusive Right-Turn Lane at Signalized Intersection considering Pedestrian-Vehicle Interaction
Notice bibliographique
Résumé
In high density urban areas, pedestrians have a great influence on the capacity of intersections. This paper studies the influence of pedestrians on road capacity and proposes an exclusive right-turn lane capacity model considering pedestrian-vehicle interaction (PV-RTC). Firstly, a pedestrian-vehicle interaction (PVI) model is proposed based on the logit model and static games theory of incomplete information. Through this model, the probability of 6 kinds of pedestrian-vehicle interaction situations (vehicles yield to pedestrians, pedestrians yield to vehicles, etc.) in the crosswalk can be obtained. Then, based on the basic idea of the stop line method and the probabilities of above situations, the PV-RTC model is established, and the sensitivity analysis of the important factors (pedestrian arrival rate, yielding rate, and green time ratio) affecting the model is carried out to clarify the mechanism of the proposed model. Finally, a pedestrian-vehicle interaction model of cellular automata for the exclusive right-turn lane is established and its simulation results are compared with the results of the PV-RTC model. The results show that the relative error between the microscopic simulation model and PV-RTC model is less than 15% overall, which verifies the validity of the PV-RTC model. This study provides references for a more precise estimation method of pedestrian impact on road capacity.
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 ».