MétaCan
Menu
Retour à la cohorte
Enregistrement W3158505839 · doi:10.1155/2021/6630876

Modeling Acceleration and Deceleration Rates for Two-Lane Rural Highways Using Global Positioning System Data

2021· article· en· W3158505839 sur OpenAlexvenueno aff
Vinayak Malaghan, Digvijay S. Pawar, Hussein Dia

Notice bibliographique

RevueJournal of Advanced Transportation · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueTraffic and Road Safety
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAccelerationTangentCurvatureOperating speedMathematicsGeodesySimulationGeometric designControl theory (sociology)StatisticsComputer scienceEngineeringGeometryPhysicsGeology

Résumé

récupéré en direct d'OpenAlex

Several past studies developed acceleration/deceleration rate models as a function of a single explanatory variable. Most of them were spot speed studies with speeds measured at specific locations on curves (usually midpoint of the curve) and tangents to determine acceleration and deceleration rates. Fewer studies adopted an estimated value of 0.85 m/s2 for both deceleration and acceleration rates while approaching and departing curves, respectively. In this study, instrumented vehicles with a high-end GPS (global positioning system) device were used to collect the continuous speed profile data for two-lane rural highways. The speed profiles were used to locate the speeds at the beginning and end of deceleration/acceleration on the successive road geometric elements to calculate the deceleration/acceleration rate. The influence of different geometric design variables on the acceleration/deceleration rate was analysed to develop regression models. This study also inspeced the assumption of constant operating speed on the horizontal curve. The study results indicated that mean operating speeds measured at the point of curvature (PC) or point of tangency (PT), the midpoint of curve (MC), and the end of deceleration in curve were statistically different. Acceleration/deceleration rates as a function of different geometric variables improved the accuracy of models. This was evident from model validation and comparison with existing models in the literature. The results of this study highlight the significance of using continuous speed profile data to locate the beginning and end of deceleration/acceleration and considering different geometric variables to calibrate acceleration/deceleration rate models.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,035
Score d'incertitude au seuil0,070

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,026
Tête enseignante GPT0,290
Écart entre enseignants0,265 · 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 source (Gemma direct ou Codex distillé), 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

Citations14
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Advanced TransportationMême sujetTraffic and Road SafetyTravaux en français237 207