MétaCan
Menu
Retour à la cohorte
Enregistrement W1986968726 · doi:10.4271/2013-01-0727

Forward Collision Warning Timing in Near Term Applications

2013· article· en· W1986968726 sur OpenAlexaff
Guy S. Nusholtz, Timothy P. Hsu, Manuel A. Gracián, Jesús A. Prado, Rebeca Cedeño, Nadia M. Santillán, David Herrera

Notice bibliographique

RevueSAE International Journal of Transportation Safety · 2013
Typearticle
Langueen
DomaineComputer Science
ThématiqueSoftware Reliability and Analysis Research
Établissements canadiensChrysler (Canada)
Organismes subventionnairesnon disponible
Mots-clésTerm (time)CollisionWarning systemComputer scienceComputer securityRisk analysis (engineering)BusinessTelecommunicationsPhysics

Résumé

récupéré en direct d'OpenAlex

Forward Collision Warning (FCW) is a system intended to warn the driver in order to reduce the number of rear end collisions or reduce the severity of collisions. However, it has the potential to generate driver annoyances and unintended consequences due to high ineffectual (false or unnecessary) alarms with a corresponding reduction in the total system effectiveness. The ineffectual alarm rate is known to be closely associated with the “time to issue warning.” This results in a conflicting set of requirements. The earlier the time the warning is issued, the greater probability of reducing the severity of the impact or eliminating it. However, with an earlier warning time there is a greater chance of ineffectual warning, which could result in significant annoyance, frequent complaints and the driver's disengagement of the FCW. Disengaging the FCW eliminates its potential benefits. A shorter warning time may be beneficial; it would reduce ineffectual alarm rates and thus reduce driver's annoyance level, increasing the driver's confidence in the system, which leads to improve overall system efficiency. To use a shorter warning time, its impact needs to be understood. In this paper an analysis of certain factors affecting the time to issue warnings is presented. A kinematics model is used to simulate variation in driving scenarios and driver characteristics, such as driver reaction time and brake force level. The analysis relies on a stochastic model that uses a set of distributions of driver responses in rear end collision avoidance maneuvers, along with the relation between crash severity/hypothetic fatality rates (HFR), to estimate the impact of the different proposed warning strategies. The study finds that a shorter warning time may be beneficial. The analysis is limited in scope to the simplest, but common, driving scenarios and for the first time quantitatively studies the impact of shorter time to warn.

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)0,001
score de la tête « metaresearch » (Gemma)0,005
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,027

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0080,002

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 GPT0,302
Écart entre enseignants0,287 · 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

Citations0
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSAE International Journal of Transportation SafetyMême sujetSoftware Reliability and Analysis ResearchTravaux en français237 207