Association of Highway Traffic Volumes with Cold and Snow and Their Interactions
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Presented in this paper is the association of highway traffic flow with severity of cold, amount of snow and various combinations of cold and snow intensities by giving detailed consideration to factors such as highway type and location. The study is based on hourly traffic flow data from 350 permanent traffic counter sites located on the provincial highway system of Alberta, Canada, and weather data obtained from Environment Canada weather stations located within 10 miles of the selected permanent traffic counter sites, during the period of 1995-2005. Multiple regression analysis is used in the modeling process. The model parameters include three sets of variables: amount of snowfall as a quantitative variable, categorized cold as a dummy variable and an interaction variable formed by the product of the above variables. The developed models closely fit the real data with R-square values greater 0.99. The study results indicate that the association of highway traffic flow with cold and snow varies with day of week, hour of day and severity of weather conditions. Traffic volume on a day decreases with the increase in severity of cold and snow. A reduction of 1% to 2% in traffic volume for each centimeter snowfall is observed when the mean temperatures are above 0°. For the days with zero precipitation, reductions in traffic volume due to mild and severe cold are 1% and 31%, respectively. An additional reduction of 0.5% to 3% per each centimeter of snowfall results when snowfall occurs during severe cold conditions.
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.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle