Operational Impact of the Through-Traffic Signal Prioritization for Heavy Commercial Vehicle Platooning on Urban Arterials
Notice bibliographique
Résumé
This study investigated the operational impact of heavy commercial vehicle (HCV) platooning on urban arterials. HCV platooning is an important application of vehicle-to-vehicle (V2V) technology, with urban arterials facilitating an essential component of HCV movements when picking up and delivering goods. HCV platooning has the potential to reduce fuel consumption and emissions. Moreover, the increasing HCV driver shortage problem can be alleviated if the vehicle following behind a lead vehicle can function without a driver by using autonomous technology enabling Society of Automotive Engineers Level 4 or higher. PTV VISSIM was used to develop a set of micro-simulation models that investigated the impact of traffic signal priority (TSP) and low levels (0%, 5%, and 10%) of HCV platooning. The performance measures include travel time and the number of stops. With the existing traffic control system, HCV platooning increased travel time and increased the number of stops for all vehicles including passenger cars and HCVs. TSP with 5% HCV platooning improved travel time and decreased the number of stops for all vehicles. TSP with 10% HCV platooning, however, only decreased travel time and the number of stops for passenger vehicles. The results suggest that a higher penetration rate of HCV platooning may create significant delays and overwhelm the traffic system even with the assistance of TSP. The findings of this study highlight the potential for TSP to mitigate the impact of HCV platooning on traffic congestion. However, the TSP system may not be a panacea that works for all traffic compositions.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».