MétaCan
Menu
Retour à la cohorte
Enregistrement W4413380156 · doi:10.3390/math13162616

Traffic Characterization Based on Driver Reaction

2025· article· en· W4413380156 sur OpenAlexaff
Zawar Hussain Khan, Khurram Shehzad Khattak, Ahmed B. Altamimi, T. Aaron Gulliver, Alaa Chabir, Shah Hussain

Notice bibliographique

RevueMathematics · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueTraffic control and management
Établissements canadiensUniversity of Victoria
Organismes subventionnairesnon disponible
Mots-clésCharacterization (materials science)Computer scienceMaterials scienceNanotechnology

Résumé

récupéré en direct d'OpenAlex

A macroscopic model for nonhomogeneous traffic is introduced that incorporates relaxation time and lateral time headway, and accounts for driver reaction time. Driver reaction is based on models of real-world nonhomogeneous traffic flow in Pakistan and Iran. A lateral time headway model is obtained using lane change data to characterize traffic during lane changes. The performance of the proposed model is compared with the well-known Payne–Whitham (PW) model on a 3000 m circular road using the FORCE numerical scheme. The results show that the initial multi-cluster density distribution evolves more realistically and accurately with the proposed model. Thus, it can be used to aid in traffic congestion mitigation for on-ramps and off-ramps.

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 enseignants0,417
Score d'incertitude au seuil0,257

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 Opus0,005
Tête enseignante GPT0,187
Écart entre enseignants0,182 · 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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMathematicsMême sujetTraffic control and managementTravaux en français237 207