Pedestrian movement modelling for a commercial street considering COVID-19 social distancing strategies
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 research attempts to understand the impacts of social distancing on dense urban pedestrian environments through pedestrian movement simulations. It develops a pedestrian microsimulation modelling framework that evaluates three scenarios for a commercial street in the Halifax Regional Municipality (HRM). The Business-as-Usual scenario mimics pre-COVID conditions with no social distancing protocols. Pandemic Scenario# 1 represents social distancing without any changes in the pedestrian infrastructure. The HRM has adopted a mobility response plan for COVID-19, this generates Pandemic Scenario# 2 depicting the widened sidewalks within the pedestrian microsimulation model. The results reveal that the social distancing strategy in the pandemic scenarios significantly improved pedestrian flow in terms of the reduction in contact violations. These violations are described as instances in which a pedestrian violates the 2 m social distancing rule. The simulation of the first pandemic scenario (no sidewalk enhancement) showed a significant reduction of 43% in the number of contact violations during the one-hour pedestrian simulation of the street. The second pandemic scenario showed a 68% decrease in violations. The conclusions derived from this research support the actions of the municipality as the simulation results indicate that an increase in sidewalk width can influence contact rates and time travelled. When comparing the two pandemic scenarios, the scenario that incorporated wider sidewalks showed a decrease in total travel time and contact rates.
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 | 0,001 | 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