Investigation of Impact of Severe Winter Weather on Volume of Passenger Cars and Trucks on Primary Highways
Notice bibliographique
Résumé
Based on large traffic and weather data sets from weigh-in-motion sites, permanent traffic counters and weather stations in Alberta, Canada, an investigation is carried out to study impacts of winter weather on volume of passenger car and truck traffic. Multiple regression models are developed to relate truck and passenger car traffic variations to winter weather conditions. Statistical validity of study results are confirmed by using statistical tests of significance. Considerable reductions in passenger car and truck volumes can be expected with decrease in cold temperatures. Such reductions are higher for passenger cars as compared to trucks. Due to cold and snow interactions, the reduction in car and truck traffic volume due to cold temperature could intensify with a rise in the amount of snowfall. For passenger cars, weekends experience higher traffic reductions as compared to weekdays. However, the impact of weather on truck traffic is generally similar for weekdays and weekends. Interestingly, an increase in truck traffic during severe weather conditions is noticed at one of the study sites. Such phenomenon is found statistically significant. None of the past studies in the literature have presented the possibility of traffic volume increases on highways during adverse weather conditions; which could happen due to shift of traffic from parallel roads with inadequate winter maintenance programs. It is believed that the findings of this study can benefit highway agencies in developing such programs and policies as efficient monitoring of passenger car and truck traffic, and plan for efficient winter roadway maintenance programs.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| 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) | 0,001 | 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 ».