Leveraging Location-Based Data for Assessing Network-Level Traffic Impact of Lane Management: A Case Study of Alex Fraser Bridge
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
Lane management is expected to alleviate traffic congestion and improve mobility on roadways. Previous studies have mainly analyzed the impacts of lane management on the road segment rather than the road network. Because lane management strategies can affect traffic flows in the neighboring traffic regions and the entire road network, it is suitable to assess traffic impacts in the entire road network. This study proposed an analytical framework to evaluate lane management’s impacts and economic effects using location-based data, including road segments, traffic zones near road segments, and the road network. Traffic assignments with estimated origin-destination matrices from location-based data allow spatial and temporal impact analysis of lane management. This study analyzed the contraflow lane with movable median barriers installed at the Alex Fraser Bridge (AFB) in Vancouver, British Columbia, Canada, as a case study for lane management. In terms of traffic characteristics, the results showed that the contraflow lane with movable median barriers contributed significantly to improving the states of traffic flow on the AFB (traffic flow increased about 7.4%, travel speed increased about 48.3%, travel time decreased about 31.8%, and volume/capacity ratio decreased about 19.3% on average). This study showed that the contraflow lane on the AFB improved traffic flow and generated an economic benefit of $1.1 M per year (AFB, $12.7 M; zones near the AFB, −$1.4 M; Vancouver area, −$10.1 M) by estimating the changes in the value of travel time before and after lane management. This study contributes to a better understanding of using location-based data for assessing traffic impact and the economic effect of lane management operations at the network level.
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 | 0,002 | 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 | 0,000 | 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