A Stochastic Model for Predicting Shockwaves on Freeways
Notice bibliographique
Résumé
This paper proposes a model to express the propagation of backward forming and forward recovery shockwaves on a freeway. Unlike classic shockwave theory which is deterministic, the proposed model explains the propagation of shockwaves as a stochastic process. The state of the process is defined based on the traffic states of both downstream and upstream detector stations, and the probability of spillback or recovery is computed as a function of traffic measurements. Separate models for backward forming and forward recovery shockwaves are developed, and model parameters are estimated using the maximum likelihood method. The authors also propose a procedure to use the proposed model to improve the accuracy of near-future speeds predicted by time series models. The proposed procedure consists of two main modules: a) a time- series predictor which is used when the traffic condition is temporally constant, and b) a congestion detector. As soon as the congestion detection module detects that a station of the freeway is congested, the proposed stochastic shockwave models are activated to update the predictions provided by the time-series model. The authors apply the proposed procedure to 30 days of aggregated 5-minute loop detector data from a freeway in Toronto, Canada. The model is used to predict traffic conditions (speed) 15 minutes into the future. The results show that the proposed procedure improves the accuracy of the predictions by 17 -28% when traffic conditions are changing. The model is suitable for use in real-time freeway travel time or speed prediction applications.
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 | 0,006 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».