Investigating the impacts of adverse road-weather conditions on saturation headway
Notice bibliographique
Résumé
Adverse road-weather (RW) conditions may deteriorate traffic operations and safety at intersections due to reduced capacity, frequent collisions, and increased traffic emissions. Weather responsive traffic management (WRTM) can potentially lessen the negative impact of adverse RW conditions. Yet, saturation flow rate (SFR) is a major input for any WRTM that is affected by RW conditions and traffic composition. Few studies investigated the combined effect of adverse RW conditions and heavy vehicle (HV) ratios on the operation of signalized intersections. Additionally, the classic method for measuring SFR estimates the mean of observed flow rates starting from a critical vehicle (CV), i.e., 5th vehicle in the queue per cycle which has several shortcomings including: (1) not considering the probabilistic nature of SFR, (2) ignoring the unsaturated vehicles in the queue i.e., vehicles preceding the CV, and (3) using a particular CV threshold regardless of RW conditions. This thesis investigates saturation headway variations considering RW conditions and HV ratios using the data collected at two busy signalized intersections in Winnipeg, Canada. Regression analysis was used to analyze saturation headways and passenger car equivalent (PCE) factors considering RW conditions. Further, a novel methodology is proposed to model SFR variations using survival analysis that was implemented to explore the stochastic characteristics of SFR considering different CV settings and RW conditions. The findings confirmed that adverse RW conditions can increase the saturation headway significantly e.g., by up to 38.7% for snowy RW conditions. Estimated PCE values under each RW classification and the regression models implied that HVs are less susceptible to adverse RW conditions in terms of their impact on saturation headway. The results from the proposed survival analysis method indicated that adverse RW conditions tend to move the CV position forward to the head of the queue. The findings of this thesis provide a practical method for estimation of SFR at signalized intersections under different adverse RW conditions and contribute to establishment of WRTM strategies to improve the safety and operation of signalized intersections in winter.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 source (Gemma direct ou Codex distillé), 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 ».