Propuesta de diseño vial seguro enfocado en ciclistas en la intersección Av. Canada con Av. Nicolas Arriola
Bibliographic record
Abstract
El presente trabajo de investigación se centra en la propuesta de diseño vial seguro enfocado en ciclistas en una intersección. Según datos estadísticos, se conoce que hubo un incremento en la posesión de bicicletas en el Perú, en los últimos tres años, debido a la pandemia. Es por ello que la Municipalidad habilitaron ciclovías temporales para dar alternativas de accesibilidad a los ciclistas. Sin embargo, esto ocasionó un aumento en los siniestros donde participan los ciclistas. Es por ello que se escogió una ciclovía donde se haya tenido antecedentes y sea propenso a tener más accidentes. Se propuso hacer un análisis a la intersección de la avenida Canadá con avenida Nicolas Arriola, para conocer los puntos conflictos entre los vehículos motorizados y ciclistas. Para ello se hace una investigación de campo donde se conoce la realidad de la intersección y obtener datos reales para el aforo vehicular. Además, se propone tres rediseños a la intersección para disminuir los conflictos encontrados. Estos rediseños están basados en el bike box y protected intersection. Estos rediseños se colocan en un programa de micro simulación para conocer la disminución de conflictos. Los resultados serian que la propuesta del bike box presenta un resultado positivo ya que redujo en un 25% los puntos de conflictos mientras que el diseño basado en protected intersection no influye en la disminución de puntos de conflictos.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.004 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.010 | 0.003 |
| Scholarly communication | 0.004 | 0.001 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.009 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".