Optimal Signal Control Design for Isolated Intersections Using Sample Travel-Time Data
Notice bibliographique
Résumé
Increased travel times are often observed on urban roads, with signalized intersections being the major bottlenecks. The inability of existing static signal timings in accommodating the actual demand fluctuations could be one of the contributing factors. A traffic-responsive signal control system that changes signal timings according to traffic volume fluctuations may alleviate this problem. However, such problems are conventionally formulated based on the data collected from location-based sensors, which are infrastructure intensive and costly and fail to capture mixed and disordered traffic conditions. Considering these limitations, this paper presents an optimal signal design using sample travel time information collected from mobile data sources such as GPS/Bluetooth/Wi-Fi sensors that work independently of the traffic conditions and are relatively cost-effective. The proposed adaptive signal design minimizes total intersection delay at isolated intersections for every cycle based on the traffic conditions observed in the previous cycle. The mathematical programming-based formulation uses shock waves formed during the red and green phases to estimate optimal-phase durations. Results revealed that the proposed design is capable of handling traffic flow fluctuations without requiring the entire traffic stream data. The system demonstrated that sample data from four probe vehicles per phase is adequate for real-time optimal signal design. Results showed that the proposed model outperformed the existing Webster’s signal design procedure with a delay reduction of 11.78% when compared theoretically and 10.41% when implemented in VISSIM.
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 ».