MétaCan
Menu
Retour à la cohorte
Enregistrement W4286007932 · doi:10.1155/2022/1716827

Stability Analysis of the New Traffic Flow Lattice Model considering Taillight Effect and Speed Deviation

2022· article· en· W4286007932 sur OpenAlexvenueno aff
Zhicheng Li, Changxi Ma

Notice bibliographique

RevueJournal of Advanced Transportation · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueTraffic control and management
Établissements canadiensnon disponible
Organismes subventionnairesNatural Science Foundation of Anhui ProvinceAnhui Provincial Quality Engineering Project
Mots-clésTraffic flow (computer networking)Density wave theoryStability (learning theory)Standard deviationFlow (mathematics)DiagramLattice (music)MechanicsCritical ionization velocityStatistical physicsFlow velocityComputer simulationMathematicsPhysicsComputer scienceStatistics

Résumé

récupéré en direct d'OpenAlex

A new macroscopic traffic flow lattice model is established which considered the taillight effect and velocity deviation. By combining the concept of critical density, the critical condition of taillight triggering is established. The situation of taillight appearing is fully considered, and the influence of taillight effect is analyzed. Through the stability analysis of the model, the stability conditions of the model are obtained. By nonlinear analysis, the mKdV equation is derived which can describe the evolution mechanism of the density wave. From the phase diagram, we can find that the two factors have a positive impact on the stability of traffic flow. Finally, spatiotemporal evolution of the density wave and cross-section view of the density wave are obtained by numerical simulation to verify the theoretical derivation of this paper. The simulation results show that the stability of traffic flow can be improved by considering taillight effect and speed deviation. In addition, by comparing the time-space evolution maps of different parameter values, it can be found that the stability of traffic flow considering the taillight effect and speed deviation is better than that considering one factor alone. However, the stability of traffic flow will be negatively affected by low speed estimate and high critical density.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,185
Score d'incertitude au seuil0,247

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,006
Tête enseignante GPT0,203
Écart entre enseignants0,197 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Advanced TransportationMême sujetTraffic control and managementTravaux en français237 207