Capability of Intermittent Bus Lane Utilization for Regular Vehicles
Notice bibliographique
Résumé
Intermittent bus lanes (IBLs) can improve road capacity by allowing other regular vehicles to drive in the idle space of a dedicated bus lane. However, excessive vehicles in the IBL will cause additional bus delays. To avoid such problems, this study proposes a method to determine the capability of IBL permitted for regular vehicles first, and then use it as the total amount restriction of lane-borrowing vehicles to implement a bus lane control strategy that will improve road capacity and avoid additional bus delays. A model for calculating the capability of IBL is also provided. Vehicles between two buses are designated as potentially lane-borrowing vehicles that could follow the buses to leave the road section. The evolution process of these vehicles in the unit is analyzed using kinematic wave theory to obtain the formed traffic queue length. Using the rear bus trajectory to set the length limit on the traffic queue, the estimated total amount of lane-borrowing vehicles is corrected to establish the final capability of the IBL. The applicability of the method was evaluated from three perspectives: bus departure interval, road traffic saturation, and near-side bus stop. The simulation results showed that the proposed method can guarantee no additional bus delay compared to the situation of a dedicated bus lane. It can also improve road capacity more than traditional IBL under any degree of saturation and bus departure interval. Compared with traditional IBL, the average travel time of regular vehicles is shorter, except when the degree of saturation is high and the bus departure interval is large.
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 | 0,000 | 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 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 ».