Evaluating the Impact of Freeway Service Patrol on Incident Clearance Times: A Spatial Transferability Test
Notice bibliographique
Résumé
Freeway service patrol (FSPs) programs have been considered as an effective tool for traffic incident management in minimizing the adverse effects of traffic incidents. In this study, random parameters hazard-based duration modeling method was used to evaluate the impact of the newly implemented Alabama Service and Assistance Patrol (ASAP) program, using incident clearance time as a performance measure. It was determined that there is a statistically significant difference in the factors that influence incidents clearance times between incidents that occurred inside and outside the ASAP regions. A total of five variables (on-road, nighttime, peak hours, rain, and fire response present) were observed to have random effects along with ten fixed effects variables on incidents occurring inside the ASAP regions. On the other hand, incidents that occurred outside the ASAP regions were found to have three random effects variables (on-road, nighttime, and fire response present) and seven fixed effects variables. The estimation results indicate a significant association of incident clearance times to incident related variables such as involvement of CMVs, fatality, vehicle towing, seat belt indicated as involved, and on-road incidents that occurred both inside and outside the ASAP regions. The results also reveal that incident clearance times are influenced strongly by temporal variables (e.g., nighttime), traffic factors (e.g., AADT), and operational variables (e.g., fire response present) for incidents both inside and outside the ASAP area models. Overall, it was observed that the incident clearance times recorded in the regions where the ASAP program is in effect are significantly different. The findings of this study are expected to be useful for the state traffic incident management (TIM) agencies in developing and executing strategies to minimize incident clearance times. Ultimately, the study provides a data-driven evidence-based assessment of the ASAP program in the state.
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 | 0,006 | 0,026 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».