MétaCan
Menu
Retour à la cohorte
Enregistrement W4381248971 · doi:10.3390/app13127234

A Microscopic Traffic Model Considering Time Headway and Distance Headway

2023· article· en· W4381248971 sur OpenAlexaff
Faryal Ali, Zawar Hussain Khan, Ahmed B. Altamimi, Khurram Shehzad Khattak, T. Aaron Gulliver

Notice bibliographique

RevueApplied Sciences · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueTraffic control and management
Établissements canadiensUniversity of Victoria
Organismes subventionnairesnon disponible
Mots-clésHeadwayMicroscopic traffic flow modelTraffic flow (computer networking)AccelerationTraffic waveSimulationTraffic modelComputer scienceConstant (computer programming)Three-phase traffic theoryTraffic generation modelTraffic congestion reconstruction with Kerner's three-phase theoryStatistical physicsTransport engineeringReal-time computingEngineeringPhysicsTraffic congestionClassical mechanicsComputer network

Résumé

récupéré en direct d'OpenAlex

A microscopic traffic model is presented which employs differences in velocity to characterize driver behavior. The Intelligent Driver (ID) model is based on an acceleration constant which cannot capture different traffic conditions. Further, it is not based on traffic physics and so can produce inaccurate results. The proposed model is an improved ID model and both are evaluated on a 2000 m circular road. The results obtained show that the proposed model can appropriately characterize traffic flow and density. Further, the variations in flow and velocity are smoother than with the ID model. This is because the proposed model is based on actual traffic parameters rather than an unrealistic traffic exponent.

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 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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,041
Score d'incertitude au seuil0,405

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
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 GPT0,211
Écart entre enseignants0,198 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations8
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueApplied SciencesMême sujetTraffic control and managementTravaux en français237 207