MétaCan
Menu
Retour à la cohorte
Enregistrement W4293255074 · doi:10.1061/ajrua6.0001234

Reliability of Intergreen Interval Based on Combined Dilemma and Option Zones

2022· article· en· W4293255074 sur OpenAlexafffund
Said M. Easa, Narayana Raju, Shriniwas Arkatkar

Notice bibliographique

RevueASCE-ASME Journal of Risk and Uncertainty in Engineering Systems Part A Civil Engineering · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueTransportation Planning and Optimization
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésDilemmaInterval (graph theory)Reliability (semiconductor)Monte Carlo methodComputer scienceMoment (physics)Reliability engineeringLimit (mathematics)Reliability theoryGame theoryMathematicsStatisticsEngineeringMathematical economicsFailure ratePower (physics)

Résumé

récupéré en direct d'OpenAlex

Currently, dilemma and option zones’ failures are independently used to analyze the intergreen interval at signalized intersections. Therefore, the present research work was initiated to integrate these failures. First, the dilemma and option zones were modeled using the first-order second-moment method. Then, game theory was used to model the association between the dilemma and option failures. The failure probabilities of the dilemma and option zones were evaluated for various traffic conditions using Monte-Carlo simulation considering the Nash equilibrium. Next, the overall system probability was analyzed, based on the combined dilemma and option failures, given different intergreen intervals, speeds, and coefficients of variation. Finally, the study proposed a methodology for identifying the intergreen interval to limit system failure. This would aid practitioners in designing traffic lights at intersections and keeping proper intergreen intervals to limit the dilemma and option failures.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,034
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,006
Score d'incertitude au seuil0,032

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,034
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,003
Communication savante0,0020,004
Science ouverte0,0020,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,007
Tête enseignante GPT0,221
Écart entre enseignants0,214 · 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 source (Gemma direct ou Codex distillé), 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

Citations3
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueASCE-ASME Journal of Risk and Uncertainty in Engineering Systems Part A Civil EngineeringMême sujetTransportation Planning and OptimizationTravaux en français237 207