A Contemporary Approach for Visualizing Temporal and Spatial Urban Freight Movement by Leveraging Mobility Portal Data
Notice bibliographique
Résumé
Analyzing and visualizing traffic data in order to better understand congestion trends, safety concerns, goods movement and capacity needs is a pressing need. Broadly speaking, there is a large amount of traffic data available today, including volume, lane occupancy, speed, and travel time, which can be used to manage transportation networks, provide traveler information and produce performance measures. This broadly disseminated data almost always treats all vehicles alike, without discriminating between trucks and passenger cars. Since trucks are critical and growing components of freeway traffic, monitoring and tracking their dynamics can reveal the impacts of freight movement on current freeway operations and over time will uncover trends useful for future planning and management. This study takes advantage of a unique data stream available for the freeway network of Portland, Oregon, USA. In addition to providing continuous vehicle count, speed and lane occupancies at 20-second intervals at more than 500 stations (1,300 individual detectors), the Portland system reports volume bins at 4 length-based classifications. (60 ft). Given that most vehicle classification studies are done over very short time intervals at an extremely limited number of locations, this nonstop data stream enables unprecedented insight into where and when trucks are traveling on Portland's freeways and a wealth of opportunities for performance measurement and diagnosis of their impacts. The objective of this paper is to exploit this new data stream and explore new visualization techniques that depict truck volume, truck percentage and volume-weighted average vehicle speeds along Portland's Interstate 5 corridor, an important north-south freight route between the Canada and Mexico borders. Results confirm the merit in analyzing and tracking truck volumes, proportions, and other dynamics for traffic management, information and modeling. The results of this study and the techniques employed here can be used to better understand and visualize freight movement dynamics on a continuous basis.
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,008 | 0,010 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,006 | 0,005 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 ».