A Comparison Analysis of Surrogate Safety Measures with Car-Following Perspectives for Advanced Driver Assistance System
Notice bibliographique
Résumé
Surrogate Safety Measure (SSM) is one of the most widely used methods for identifying future threats, such as rear-end collision. Various SSMs have been proposed for the application of Advanced Driver Assistance Systems (ADAS), including Forward Collision Warning System (FCWS) and Emergency Braking System (EBS). The existing SSMs have been mainly used for assessing criticality of a certain traffic situation or detecting critical actions, such as severe braking maneuvers and jerking before an accident. The ADAS shows different warning signals or movements from drivers’ driving behaviours depending on the SSM employed in the system, which may lead to low reliability and low satisfaction. In order to explore the characteristics of existing SSMs in terms of human driving behaviours, this study analyzes collision risks estimated by three different SSMs, including Time-To-Collision (TTC), Stopping Headway Distance (SHD), and Deceleration-based Surrogate Safety Measure (DSSM), based on two different car-following theories, such as action point model and asymmetric driving behaviour model. The results show that the estimated collision risks of the TTC and SHD only partially match the pattern of human driving behaviour. Furthermore, the TTC and SHD overestimate the collision risk in deceleration process, particularly when the subject vehicle is faster than its preceding vehicle. On the other hand, the DSSM shows well-matched results to the pattern of the human driving behaviour. It well represents the collision risk even when the preceding vehicle moves faster than the follower one. Moreover, unlike other SSMs, the DSSM shows a balanced performance to estimate the collision risk in both deceleration and acceleration phase. These research findings suggest that the DSSM has a great potential to enhance the driver’s compliance to the ADAS, since it can reflect how the driver perceives the collision risks according to the driving behaviours in the car-following situation.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,000 | 0,000 |
| 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 ».