Green Wave Arterial Cooperative Control Strategy Based on Through-Traffic Priority
Notice bibliographique
Résumé
Mainline coordinated control is usually based on fixed speed and statistical traffic flow by period. However, in actual operation, the vehicles parked in front of the intersection and the arriving vehicles often fluctuate, and the through-traffic green time is wasted due to phase transition, which leads to mismatches between the signal plans and actual traffic flow requirements, affecting the traffic efficiency of the intersection. To address the above issues, using vehicle–road collaborative control (VRCC), by calculating the phase difference lead time and phase difference of adjacent intersections, the green extension time for the green wave through-traffic phase, and the guiding vehicle speed, the goal of reducing the detention volume of through traffic, reducing the waste of through-traffic green time caused by phase transitions and improving the throughput of through traffic can be achieved. The speed of the green wave traffic flow is increased by guiding vehicles to form saturated platoons during green periods. Finally, PTV VISSIM 4.3 was used for simulation verification, and the results showed that compared to not implementing the control strategy, the average delay on the arterial road was reduced by 85.1%, the average number of stops was reduced by 84.3%, the average travel time was reduced by 34%, and the average queue length was reduced by 62.6%. This significantly improved the efficiency of traffic on the arterial road and effectively reduced congestion.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».