Conditions for Setting Exclusive Pedestrian Phases at Two-Phase Signalized Intersections considering Pedestrian-Vehicle Interaction
Notice bibliographique
Résumé
In order to analyze the effectiveness of setting exclusive pedestrian phase (EPP) under different vehicle yielding rates, the effect of EPPs on traffic efficiency is studied and a setting condition of EPP considering pedestrian-vehicle interaction is proposed in this paper. First, the main factors influencing the behavior of vehicles and pedestrians during pedestrian-vehicle interaction are analyzed, and a pedestrian-vehicle interaction (PVI) model at the crosswalk of urban road is established. Second, assuming that vehicle arrival obeys the Poisson distribution, the delay models of vehicle passengers and pedestrians crossing the street at the intersection are established, and taking the total delay of traffic participants as the main index, the setting condition of EPP are proposed. Third, based on the video of pedestrian-vehicle interaction at crosswalks, the parameters of the proposed model are calibrated. Through sensitivity analysis, the change of the total delay of traffic participants is analyzed under different conditions of pedestrian and vehicle arrival rates. Finally, by introducing pedestrian-vehicle interaction rules, a cellular automata (CA) simulation platform of pedestrian-vehicle interaction in crosswalk is established; based on the field data of Shanghai, a simulation model of intersection is established, and the total delay, queue length, and vehicle throughput under conventional signal control plan and EPP plan are compared. The results show that the pedestrian-vehicle interaction process has a great influence on the total delay of traffic participants at intersections, and pedestrian-vehicle interaction should be considered in the setting conditions of EPP. Under the same condition of vehicular flow, the more the pedestrian flow is, the smaller the delay increment will be. The higher the vehicle yielding rate is, the smaller the delay increment will be after setting EPP.
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 | 0,001 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».