Assessment of selected methods of estimating the maximum back-of-queue size on a signal-controlled intersection approach
Notice bibliographique
Résumé
The article presents the characteristics and evaluation of the accuracy of estimating the maximum length of the queue of vehicles at signalized intersections by commonly used methods in the world. The analyzes were based on the latest editions of the guidelines in the United States, Canada, Australia, Germany and Poland. In order to carry out accuracy analyzes, traffic tests were carried out at 5 intersection inlets in three different cities in Poland (Bydgoszcz, Torun, Warsaw), covering all phases of vehicle queue formation during individual periods of the signaling cycle (effective red and green signal). In total, the analysis had the results of tests from 81 hours of observation ~23,000 behaviors of vehicle drivers. Based on the analyzes it was found in particular: (1) slight differences in the construction of mathematical models of the considered calculation methods, with the exception of the US HCM model from 2016; (2) small errors in estimating the maximum queue length in unsaturated vehicle flow states (~3-5 vehicles/cycle and ~2-6 vehicles/15 minutes interval); (3) quite large errors in estimating the maximum queue length in saturated and oversaturated vehicle flow states (~11-16 vehicles/cycle and ~15-18 vehicles/15 minutes interval); (4) the main impact on estimation errors in oversaturation traffic states is not taking into account or incorrect determination of the 'so-called' initial queue length of the period preceding the analyzed period.
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 | 0,004 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».