Optimizing dedicated lanes and tolling schemes for connected and autonomous vehicles to address bottleneck congestion considering morning commuter departure choices
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.
Notice bibliographique
Résumé
The introduction of connected and autonomous vehicles (CAVs) provides a significant opportunity to address the persistently increasing problem of urban traffic congestion. By virtue of their connectivity and automation features, CAVs can reduce vehicle headways, thereby increasing road capacity and enhancing throughput. It has been hypothesized that CAV-infrastructure design policies can influence traveler behavior in ways that could reduce congestion. This research focuses on the potential of using CAV-dedicated lanes (CAVL) to alleviate traffic congestion in a bottleneck corridor that serves both human-driven vehicles (HDVs) and CAVs. We delve into investigating the impacts of CAVLs on the departure time and lane choices of morning commuters. The study first expresses traffic equilibrium conditions as a linear program with complementarity constraints. Then, a system-optimal commute congestion management design is formulated to minimize the overall system cost, which consists of queuing delays and early and late arrival costs. The results of the computational experiments suggest that: (i) the CAV technological advancements can significantly reduce traffic congestion under CAVL deployment with an almost similar effect as a tolling policy; and (ii) the lower value of time for CAV commuters leads them to depart closer to their desired arrival time without a tolling policy, which could significantly increase the bottleneck traffic congestion that commuters experience, particularly HDVs.
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 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 découle