MétaCan
Menu
Retour à la cohorte
Enregistrement W4310818308 · doi:10.28991/cej-2022-08-11-02

Modeling Sustainable Traffic Behavior: Avoiding Congestion at a Stationary Bottleneck

2022· article· en· W4310818308 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueCivil Engineering Journal · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueTransportation Planning and Optimization
Établissements canadiensUniversity of Victoria
Organismes subventionnairesnon disponible
Mots-clésBottleneckTraffic congestionTraffic flow (computer networking)Negative binomial distributionStatisticsPopulationMorningMathematicsSimulationComputer scienceEnvironmental scienceEngineeringTransport engineeringPhysicsDemographyComputer network

Résumé

récupéré en direct d'OpenAlex

Sustainable traffic behaviour is increasing in importance as traffic volume rises due to population growth. In this paper, a model for traffic flow at a stationary bottleneck is developed to determine the parameters that cause congestion. Towards this goal, traffic density, speed, and delay were acquired during peak and off-peak periods in the morning and afternoon at a stationary bottleneck in Peshawar, KPK, Pakistan. The morning and afternoon peak periods have high densities, low speeds, and considerable delays. Regression models are developed using this data. These results indicate that there is a linear relationship between density and time at the stationary bottleneck and a negative linear relationship between density and speed. Thus, an increase in density increases the time delay and reduces the speed. I comprehensive traffic delay model is characterized by a stationary bottleneck. The Kolmogorov-Smirnov (KS) test and P-values were used to identify the best-fit distribution for speed and density. The binomial and generalized extreme values are considered the best fits for density and speed. The results presented can be used to develop accurate simulation models for stationary bottlenecks to reduce congestion. Doi: 10.28991/CEJ-2022-08-11-02 Full Text: PDF

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
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 enseignants0,080
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0020,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,013
Tête enseignante GPT0,241
Écart entre enseignants0,227 · 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