MétaCan
Menu
Retour à la cohorte
Enregistrement W3175227927 · doi:10.1155/2021/9910097

Variable Speed Limit Strategies Based on the Macro Hierarchical Control Traffic Flow Model

2021· article· en· W3175227927 sur OpenAlexvenueno aff
Shubin Li, Tao Wang, Hualing Ren, Baiying Shi, Xiangke Kong, Jianyong Chai, Xuejuan Wang

Notice bibliographique

RevueJournal of Advanced Transportation · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueTraffic Prediction and Management Techniques
Établissements canadiensnon disponible
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésSpeed limitTraffic flow (computer networking)Traffic congestion reconstruction with Kerner's three-phase theoryMacroVariable (mathematics)Traffic generation modelTransport engineeringFloating car dataComputer scienceControl (management)Traffic congestionTraffic conflictLimit (mathematics)SimulationEngineeringReal-time computingComputer networkMathematics

Résumé

récupéré en direct d'OpenAlex

The superior traffic control system can promote the efficiency of mainstream expressway. As the effective method to smooth traffic system, the variable speed limits (VSL) strategies are discussed in an expressway traffic network. The dynamic OD estimation model is used to produce the real traffic information, which is loaded to the traffic network. Then, the prediction information of traffic variables and the VSL strategy are introduced to macro hierarchical control traffic flow model. A solution algorithm is further developed to find the optimal parameters of VSL by minimizing the total travel time and delay. The simulation results show that the proposed strategy perfects well, the traffic congestion is effectively alleviated, and the traffic efficiency of the road section is significantly improved. This framework can be adopted by transit managers for traffic efficiency.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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: aucune
Score de désaccord entre enseignants0,918
Score d'incertitude au seuil0,355

Scores Codex et Gemma par catégorie

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

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 Opus0,007
Tête enseignante GPT0,210
Écart entre enseignants0,202 · 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 tête enseignante, 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

Citations3
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Advanced TransportationMême sujetTraffic Prediction and Management TechniquesTravaux en français237 207