Technology-Independent Algorithm for Collision Warning System at Semi-Controlled Intersections
Notice bibliographique
Résumé
Most of the collision warning systems that are available in the automotive market are mainly designed to detect imminent rear-end and/or lane-departure collisions. So far, no collision warning system is commercially available to detect imminent angle and turning collisions at semi-controlled intersections where the driver of a vehicle attempts to depart a minor road (controlled by a stop sign) to turn right, to turn left, or to cross an uncontrolled major road. One of the major causes for collisions at non-signalized intersections is the human error and misjudgment of the driver of the minor-road vehicle. Therefore, using a properly-designed collision warning system will have the potential to reduce, or even eliminate, this type of collision by reducing human error. This paper introduces a technology-independent algorithm for a collision warning system that can detect imminent collisions at semi-controlled intersections. The system utilizes commercially-available detectors to detect the approaching vehicles on the major road and calculate their speeds, accelerations, and rates of change of acceleration to estimate the time required to reach the intersection. The time required by the minor-road vehicle to clear the intersection is modeled as a function of driver and vehicle characteristics. By comparing the two times, the system displays a message for the driver of the minor-road vehicle when the departure maneuver is safe. An application example is provided to illustrate the proposed algorithm.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 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 ».