Study of criteria for assessing the level of vehicle traffic convenience on the streets
Notice bibliographique
Résumé
Introduction. The assessment of street and road networks (SRN) traditionally relies on Level of Service (LOS) and Quality of Service (QOS) criteria, which often overlook user perception. This study addresses this gap by evaluating how drivers perceive traffic convenience, focusing on urban SRNs in Russia. Purpose of the research. The aim was to identify qualitative criteria for assessing vehicle traffic convenience on SRNs, incorporating driver perceptions into existing LOS methodologies. Materials and methods. Field studies were conducted using a mobile laboratory to record video footage of 21 road segments during peak hours. Fifteen male and six female drivers of varying ages evaluated these segments on a six-point scale based on 13 criteria, including safety, traffic density, and delays. Data from GPS/GLONASS trackers synchronized with video recordings were analyzed to determine LOS and QOS. Results. The study revealed discrepancies between driver perceptions and normative LOS values. Only 20–23% of cases aligned, with 50% differing by one level. Drivers rated conditions between B and D, avoiding extremes like E or F. Key criteria influencing perceptions included sudden appearances of motorcycles, heavy vehicles, and pedestrian proximity. Discussion. The findings highlight cultural and behavioral differences between Russian drivers and Western norms embedded in current LOS criteria. Drivers’ tolerance for conditions previously deemed unacceptable suggests evolving perceptions of traffic convenience. Conclusion. Existing LOS criteria, largely borrowed from U.S. and Canadian standards, require adaptation to local driving cultures and urban conditions. Integrating user perception into LOS assessments is essential for accurate evaluations. Resume. This study underscores the need for localized LOS criteria, combining traditional metrics with driver feedback to reflect real-world conditions. Suggestions for practical applications and directions for future research. 1. Develop a methodological document incorporating user perception into LOS assessments. 2. Expand studies to include diverse urban sizes and driving conditions. 3. Investigate long-term trends in driver perception to adapt criteria dynamically.
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 | 0,005 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».