Safety Evaluation for Connected and Autonomous Vehicles’ Exclusive Lanes considering Penetrate Ratios and Impact of Trucks Using Surrogate Safety Measures
Notice bibliographique
Résumé
Plenty of studies on exclusive lanes for Connected and Autonomous Vehicle (CAV) have been conducted recently about traffic efficiency and safety. However, most of the previous research studies neglected comprehensive consideration of the safety impact on different market penetration rates (MPRs) of CAVs, traffic demands, and proportion of trucks in mixture CAVs with human’s driven vehicle environment. On this basis, this study is to (1) identify the safety impact on exclusive lanes for CAVs under different MPRs with different traffic demands and (2) investigate the safety impact of trucks for CAV exclusive lanes on mixture environment. Based on the Intelligent Driver Model (IDM), a CAV platooning control algorithm is proposed for modeling the driving behaviors of CAVs. A calibrated 7-kilometer freeway section microscopic simulation environment is built by VISSIM. Four surrogate safety measures, including both longitudinal and lateral safety risk indexes, are employed to evaluate the overall safety impacts of setting exclusive lanes. Main results indicate that (1) setting one exclusive lane is capable to improve overall safety environment in low demand, and two exclusive lanes are more suitable for high-demand scenario; (2) existence of trucks worsens overall longitudinal safety environment, and improper setting of exclusive lanes in high trucks, low MPR scenario has adverse effect on longitudinal safety; and (3) setting exclusive lanes have better longitudinal and lateral safety improvement in high-truck proportion scenarios. Setting one or two exclusive lanes led to [+42.4% to −52.90%] and [+45.7% to −55.2%] of longitudinal risks while [−1.8% to −87.1%] and [−2.1% to −85.3%] of lateral conflicts compared with the base scenario, respectively. Results of this study provide useful insight for the setting of exclusive lanes for CAVs in a mixture environment.
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 | 0,000 | 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 ».