Developing a Risk Assessment Model for a Highway Site during the Winter Season and Quantifying the Functional Loss in Terms of Traffic Reduction Caused by Winter Hazards Conditions
Notice bibliographique
Résumé
This paper introduces a methodology to quantify traffic change triggered by the combined effect of weather hazards based on winter weather hazards models. The winter weather hazards models for three vehicle types were developed with weigh-in-motion (WIM) data collected in the commuter highway in the cold Canadian region for 5 years. The developed model was utilized to simulate the variations of the percentage reduction for each vehicle type based on the 239 pairs of weather combinations composed of six cold categories and various amounts of snowfall. The first phase involved measuring the marginal effect of weather factors such as cold category (or temperature) on the percentage reduction in traffic volume. The second phase involved utilizing the same winter weather traffic model to quantify the effect of combined weather factors on the percentage reduction. The percentage reduction of the total traffic and passenger cars increased as temperature deteriorated and snowfall increased. Truck traffic decreased as snowfall increased, but interestingly, as temperature deteriorated, it was estimated that the truck traffic volume increased. This phenomenon assumed that truck traffic moves from low-maintenance to high-maintenance highways as the weather deteriorates. The methodology to quantify traffic volume changes can be adopted by highway agencies to determine the timing of the snowplow operation based on the risk assessed in terms of traffic volume reduction. It can also be used to predict the percentage reduction of traffic and then determine whether to open or close a highway.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».