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
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
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.
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 découle