Implementing the Maximum Likelihood Method for Critical Gap Estimation under Heterogeneous Traffic Conditions
Notice bibliographique
Résumé
Gap acceptance analysis is crucial for determining capacity and delay at uncontrolled intersections. The probability of a driver accepting an adequate gap changes over time, and in different intersection types and traffic circumstances. The majority of previous studies in this regard have assumed homogeneous traffic conditions, and applying them directly to heterogeneous traffic conditions may produce biased results. Moreover, driver behavior concerning critical gap acceptance or rejection in traffic also varies from one location to another. The current research focused on the estimation of critical gaps considering different vehicle types (cars, and two- and three-wheelers) under heterogenous traffic conditions at uncontrolled crossings in the city of Peshawar, Pakistan. A four-legged uncontrolled intersection in the study area was used to investigate drivers’ gap acceptance behavior. The gaps were investigated for various vehicle types: two-wheelers, three-wheelers, and cars. For data collection, a video recording method was used, and Avidemux video editing software was used for data investigation. The study investigated the applicability of the maximum likelihood (MLM) method to analyzing a vehicle’s critical gap. MLM estimation results indicate that the essential critical gap values for car drivers are in the range from 7.45 to 4.6 s; for two-wheelers, the critical gap was in the range from 6.78 to 4.7 s; and for three-wheelers, the values were in the range from 6.3 to 4.9 s. At an uncontrolled intersection, the proposed method’s results can assist in distinguishing between different road user groups. This study’s findings are intended to be useful to both researchers and practitioners, particularly in developing countries with similar traffic patterns and vehicle adherence patterns at unsignalized intersections.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».