Developing Highway Capacity Manual Capacity Adjustment Factors for Connected and Automated Traffic on Roundabouts
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Connected and automated vehicles (CAVs) are expected to transform future transportation systems. Over time, these vehicles might enhance traffic efficiency and safety, especially at urban intersections. Therefore, it is essential to make adaptations to the traffic analysis models that are currently designed for human-driven vehicles only. This paper aims to assess the impact of CAVs on the entry capacity of roundabouts and develop an approach to adjust the capacity values calculated by the Highway Capacity Manual (HCM) for planning level analysis. Both single- and double-lane roundabouts are studied under various CAV market penetration rates and conflict flow rates in this paper. A specific CAV application, cooperative adaptive cruise control (CACC), is evaluated in this study because it enhances the car-following behavior at the roundabout entrance and has the best potential for improving the entry capacity. The simulation results indicate that the introduction of CAVs can substantially improve the entry capacity as the market penetration rate increases for both single- and double-lane roundabouts. The capacity improvement is more significant in the single-lane roundabout than in the double-lane roundabout. The capacities under different CAV market penetration rates and conflict flow rates are calculated and compared with the capacity results estimated from base models in the HCM to acquire the adjustment factors. Finally, a table of capacity adjustment factors is provided for the future implementation of HCM 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.
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 | 0,000 | 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 découle