Operating Speed Prediction Models by Vehicle Type on Two-Lane Rural Highways in Indian Hilly Terrains
Notice bibliographique
Résumé
The present study aims to develop vehicle type-wise operating-speed prediction (OSP) models for heterogeneous traffic on two-lane rural highways in Indian hilly terrains. For the present study, 27 curves with varying geometric characteristics located along the National Highway (NH-953) connecting Netrang and Rajpipla in the western state of Gujarat, India, were selected. Speed data were collected using radar guns at three curve locations (entry point, midpoint, and exit point) in each travel direction for three dominant types of vehicles: motorized two-wheelers (2W), cars, and heavy commercial vehicles (HCVs). OSP models were developed for different vehicle types at three curve points using the backward elimination stepwise regression (BSR) technique. The results revealed that the preceding curve point’s operating speed, curve length, and tangent length positively affected operating speed. In contrast, deflection angle, curve sharpness, and grade had adverse effects. The curve geometric characteristics had the most negligible impact on the operating speed of 2W and a significant effect on HCV. Among all the curve-related aspects, curve length was the most significant variable and affected the speed of all three vehicle types, followed by curve sharpness. Further, the developed OSP models were applied to the other hilly terrain to check the transferability of the model. As an important outcome, the developed OSP models were used to evaluate geometric design consistency. This highlights the need for geometric and traffic-calming measures to improve highway operating-speed consistency and driver safety.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».