Exploring the Effects of Built Environment on Traffic Microcirculation Performance Using XGBoost Model
Notice bibliographique
Résumé
As the rapid motorization worldwide, the urban issue of traffic congestion continues to deteriorate. Among the solutions to address the traffic congestions issue, making full use of urban microcirculation roads so as to divert the traffic volume from main roads has been recognized as an efficient approach. However, few studies have explored what built environment determinants can affect the microcirculation performance and how do they correlate. By taking the central urban area in Tianjin, China, as a case study, his study aims to explore the nonlinear effect of urban built environment on the traffic microcirculation performance by using XGBoost model. The results show that it is observed with two troughs in traffic microcirculation performance by hours of a day, corresponding to the morning peak around 7:20–8:40am and evening peak around 16:00–19:00pm, respectively. Additionally, crossroad density is overwhelmingly dominant that affect the microcirculation performance, with an overall contribution approximately 40%. Moreover, one‐way street, high‐rise residential allocation, and T‐intersection density are also the key determinants that contribute to the traffic microcirculation performance. Furthermore, most of the important built environment elements show a nonlinear relationship with the efficiency of traffic microcirculation, with slight difference between peak hours and off‐peak hours. These findings can be used to collectively guide the local government to reasonably allocate the built environment elements so as to alleviate the traffic congestions.
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 ».