MétaCan
Menu
Retour à la cohorte
Enregistrement W585234046

Examining the Effect of Heavy Vehicles on Traffic Flow During Congestion

2004· article· en· W585234046 sur OpenAlexaboutno aff
Ahmed Al‐Kaisy, Younghan Jung

Notice bibliographique

RevueITE 2005 Annual Meeting and Exhibit Compendium of Technical PapersInstitute of Transportation Engineers (ITE)ARRB Group Ltd. · 2004
Typearticle
Langueen
DomaineEngineering
ThématiqueTraffic control and management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésUpgradeBottleneckTerrainTraffic flow (computer networking)QueueTraffic congestionTransport engineeringEnvironmental scienceFlow (mathematics)Heavy trafficQueueing theoryComputer scienceSimulationEngineeringGeographyMathematics
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

This paper presents an investigation into the effect of heavy vehicles on traffic flow during congestion. Several factors that are thought of as determinants of this effect were considered in this investigation. Empirical data and microscopic traffic simulation were used in the analysis. The simulation model was calibrated and validated using field data at two study sites in Ontario, Canada. One site is located on level terrain while the other is located on a 1-km long 3% upgrade. Simulation experiments were conducted using the calibrated model at the two study sites. The passenger car equivalency factor derived from the queue discharge flow was used as an indicator (measure of effectiveness) of heavy vehicles effect. While study results suggest some similarities between the free-flow and the congested regimes concerning the effect of heavy vehicles, some important differences exist due to the different mechanisms that govern heavy vehicles performance in the two regimes. Also, lane use restriction and the location of bottleneck relative to the upgrade were found to have considerable influence on heavy vehicles effect during 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 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 candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,884
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
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 Opus0,004
Tête enseignante GPT0,183
Écart entre enseignants0,178 · 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.

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

Citations10
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueITE 2005 Annual Meeting and Exhibit Compendium of Technical PapersInstitute of Transportation Engineers (ITE)ARRB Group Ltd.Même sujetTraffic control and managementTravaux en français237 207