An Evaluation Method of Road Link Functionality Using Individual Trajectory Data and Weighted Network Analysis
Notice bibliographique
Résumé
Road links within a city are hierarchical according to their structure and function. Upper-level road links, such as highways and arterials, are designed to maintain higher mobility and traffic flow, while lower-level road links should be more accessible. However, depending on the origin-destination demand pattern (O-D), drivers’ route choice, land use, and urban infrastructure, the actual usage pattern of roads could be different from the designed intention. This difference ultimately puts a load on certain road links and causes traffic jams. In order to handle this issue, it is necessary to create an appropriate evaluation method for the functionality of road links in advance. The research suggests an evaluation method to examine the functionalities of the roadways by using real-world mobility data and weighted network analysis. In the study, the roles of links were defined and quantified by three network attributes, in-strength, out-strength, and betweenness centrality. Derived attributes were used to cluster links with similar travel patterns. Furthermore, the concept of link reliability was introduced to measure the reliance of the network on individual links. Those network indices make it possible to evaluate the functioning of roads based on people’s travel patterns and to detect critical links that are irreplaceable and difficult to detour. This information can be used to determine the priorities of upcoming improvements and ultimately improve the efficiency of operation and maintenance of the road link networks.
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 | 0,008 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».