MétaCan
Menu
Retour à la cohorte
Enregistrement W611420436

Simulating the Air Quality Impacts of Traffic Calming Schemes in a Dense Urban Neighbourhood

2014· article· en· W611420436 sur OpenAlexaboutno aff
Golnaz Ghafghazi, Marianne Hatzopoulou

Notice bibliographique

RevueTransportation Research Board 93rd Annual MeetingTransportation Research Board · 2014
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAir Quality and Health Impacts
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTraffic calmingEnvironmental scienceAir quality indexWind speedMeteorologyNOxNeighbourhood (mathematics)Atmospheric sciencesNitrogen oxidesPollutantNitrogen dioxideWind directionNitrogen oxideGeographyTransport engineeringEngineeringMathematicsChemistryGeology
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

In this study, the effects of isolated traffic calming measures and area-wide calming schemes on air quality in a dense neighborhood in Montreal, Canada are estimated using a combination of microscopic traffic simulation, emission, and dispersion modeling. The results indicate that traffic calming measures do not have as large an effect on nitrogen dioxide (NO2) concentrations as the effect observed on nitrogen oxide (NOx) emissions. Changes in emissions can result in highly disproportional changes in pollutant levels due to daily meteorological conditions, road geometry and its orientation with respect to wind direction. The authors observe that average NO2 levels increase between 0.1% and 10% with respect to the base-case while changes in NOx emissions vary between 5% and 160%. Also, the effects of wind speed and direction are investigated in this study. The results show that higher wind speeds decrease NO2 concentrations on both sides of the roadway. As the wind becomes more orthogonal to the roadway, the difference in NO2 levels between the leeward and windward sides increases. Among the traffic calming measures, speed bumps produce the highest increases in NO2 levels.

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)0,025
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Intégrité de la recherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,190
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0250,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,003
Études des sciences et des technologies0,0010,002
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,078
Tête enseignante GPT0,413
Écart entre enseignants0,335 · 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'étudeObservationnel
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

Citations3
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTransportation Research Board 93rd Annual MeetingTransportation Research BoardMême sujetAir Quality and Health ImpactsTravaux en français237 207