An Interactive Traffic Signal Optimization Approach with Dynamic Variable Guidance Lane Control
Notice bibliographique
Résumé
The purpose of setting up variable guidance lanes is to ease the traffic pressure on lanes with more traffic under the condition of ensuring the traffic capacity of the intersection. This study proposes a bi-level model-interactive relationship between variable guidance lane design and signal control and carry out a case study for a road in Wuhan, China. The design plan for the goal, combined with the design plan of the variable guidance lane, optimizes the signal timing plan of the intersection. A real case is modeled in VISSIM to simulate the design scheme of variable guidance lanes to verify the reliability and effectiveness of the bi-level model. The results showed that the average vehicle delay at the intersection was reduced by 20.65% after the bi-level model was optimized. The average error between model calculation results and simulation results is 9.88%. Moreover, the influencing factors of the proposed model are also carried out. The results show that when the traffic flow is greater than 1,000 pcu/h, the optimization effect of the model is more significant. When the traffic capacity gradually increases, the average vehicle delay calculated by the model is smaller. The design scheme and signal timing scheme proposed by the bi-level model can ensure the overall traffic efficiency of the intersection, improve the traffic efficiency of the traffic-stressed lanes, and further promote the space-time resource utilization of the intersection, optimize the space-time resources of the road network, and provide a scientific basis and new ideas and methods.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 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 ».