Evaluation and Analysis Model of the Length of Added Displaced Left-Turn Lane Based on Entropy Evaluation Method
Notice bibliographique
Résumé
As the number of vehicles continues to grow in China, the problem of urban traffic congestion gets more serious, particularly at intersections. As a new type of unconventional intersection, the displaced left-turn (DLT) intersection has been widely recognized to improve the efficiency of intersections with heavy left-turn traffic flows. Converting an existing intersection into an intersection with additional DLT lanes is a valuable solution. However, the studies on DLT intersections mainly focus on performance, applicability, and safety. The guidelines on the specific engineering design process mostly come from experience, and the study on the considering multifactor design method is still insufficient. Therefore, this paper proposed an evaluation and analysis model of the lengths of added DLT lanes based on the entropy evaluation method, in which VISSIM and Surrogate Safety Assessment Model (SSAM) software were adopted for simulation. A design process for the length of the added DLT lanes was proposed with this model. An urban intersection in Xi’an was taken as a case study, and the application of the model and the design process was studied in detail. After selecting four evaluation indicators, the model was applied to calculate and analyze the optimal length of the added DLT lanes under 45 different traffic volume combinations. The recommended lengths of different situations were within the range recommended in the guidebook published by Federal Highway Administration. The results of the case study proved that the model proposed in this paper was advanced, reasonable, and practical.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».