MétaCan
Menu
← Retour à la cohorte
Enregistrement W820816132 · doi:10.1007/s12205-015-0236-0

Modeling snow and cold effects for classified highway traffic volumes

2015· article· en· W820816132 sur OpenAlexafffund
Hyuk-Jae Roh, Satish Sharma, Prasanta K. Sahu

Notice bibliographique

RevueKSCE Journal of Civil Engineering · 2015
Typearticle
Langueen
DomaineEngineering
ThématiqueVehicle emissions and performance
Établissements canadiensUniversity of Regina
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésTruckSnowTraffic volumeEnvironmental scienceCold weatherTransport engineeringRange (aeronautics)MeteorologyVolume (thermodynamics)EngineeringGeographyAutomotive engineering

Résumé

récupéré en direct d'OpenAlex

This paper discusses about the effect of snowfall, temperature, and their interaction on two vehicle classes: passenger cars, and trucks on a primary highway in Alberta, Canada. The investigation is based on large data collected from the Weigh-In-Motion (WIM) site located at Leduc, on Highway 2A. The variations on traffic volume for vehicle classes are analyzed by means of a dummyvariable regression model with seven cold categories. The models are calibrated to estimate the temperature impact on daily traffic variations and, more specifically, to quantify the interaction effect of snowfall and temperature on classified traffic volume. The study results suggested distinctive patterns in traffic variations for passenger cars and trucks. The daily passenger car volume reduction is 12% when the temperature goes below −25°C and, by interaction between snow and cold, it was reduced by 36% at the temperature range −25°C ~ −20°C with 16cm snowfall. Conversely, the daily truck traffic is generally increased for all cold categories. In particular, truck traffic is not really affected by snow and cold interaction even at extreme winter weather conditions. The paper contributes to the literature by analyzing the winter weather effects on truck traffic, in particular. This study may be useful for developing efficient highway monitoring programs, and winter road maintenance programs, etc.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,180
Score d'incertitude au seuil0,357

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,015
Tête enseignante GPT0,209
Écart entre enseignants0,194 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations31
Publié2015
Routes d'admission2
Résumé présentnon

Explorer davantage

Même revueKSCE Journal of Civil Engineering→Même sujetVehicle emissions and performance→Travaux en français237 207→