MétaCan
Menu
Retour à la cohorte
Enregistrement W3162321211 · doi:10.1016/j.procs.2021.03.068

Assessment of the Traffic Enforcement Strategies Impact on Emission Reduction and Air Quality

2021· article· en· W3162321211 sur OpenAlexaff
Youssef El-Hansali, Siham Farrag, Ansar-Ul-Haque Yasar, Haroon Malik, Elhadi Shakshuki, Khalid Al-Abri

Notice bibliographique

RevueProcedia Computer Science · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueVehicle emissions and performance
Établissements canadiensAcadia University
Organismes subventionnairesnon disponible
Mots-clésAir quality indexEnforcementTraffic congestionAir pollutionTransport engineeringComputer scienceEnvironmental economicsQuality (philosophy)Speed limitBusinessRisk analysis (engineering)Engineering

Résumé

récupéré en direct d'OpenAlex

The World Health Organization (WHO) reported that globally 3.7 million deaths were attributable to ambient air pollution (AAP) in 2012. Traffic congestion is one of the significant sources of air pollutants Intelligent Transportation Systems (ITS) are advanced technologies that have been used widely in large cities. They have a potential impact on reducing traffic congestion and then improving environmental quality. Many countries have targeted urban policy traffic enforcement strategies that are ITS-based on improving traffic emission and air quality. Because each strategy has a different impact level, the strategy that positively impacts location and traffic conditions might negatively impact under different conditions. Also, the authorities that take the decision which strategies could be implemented. Therefore, this paper aims to evaluate the potential impact of traffic enforcement strategies on reducing traffic emissions and improving air quality. In our study, three typical traffic enforcement strategies were evaluated: a traffic management regulation for speed limit changes, route changing, and fleet composition changes. The impact of these strategies on air quality was evaluated through evaluating the traffic air quality changes brought by these strategies against a baseline (Base Case) scenario. The results indicate that the impact of these strategies on increasing environmental quality is not always positive. The reduction of CO was the highest in the speed restriction scenario (25.6%) than other scenarios. While reducing the reduction of PM10 was less in speed restriction scenario (25.6%) than other scenarios. The findings can help the decision makers implement the best strategy to reduce traffic emission under different situations.

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)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
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 ouverte0,0000,000
Intégrité de la recherche0,0010,000
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 Opus0,016
Tête enseignante GPT0,306
Écart entre enseignants0,290 · 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'étudeObservationnel
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

Citations10
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProcedia Computer ScienceMême sujetVehicle emissions and performanceTravaux en français237 207