MétaCan
Menu
Retour à la cohorte
Enregistrement W3003857680 · doi:10.1155/2020/3867921

Automated Emergency Vehicle Control Strategy Based on Automated Driving Controls

2020· article· en· W3003857680 sur OpenAlexvenueno aff
Jaehyun So, Jiwon Kang, Sangmin Park, Inseon Park, Jong-Deok Lee

Notice bibliographique

RevueJournal of Advanced Transportation · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueTraffic control and management
Établissements canadiensnon disponible
Organismes subventionnairesKorea Transport InstituteMinistry of Science, ICT and Future Planning
Mots-clésPreemptionEmergency vehicleControl (management)SIGNAL (programming language)Control logicInterface (matter)AutomationEngineeringComputer scienceSoftwareReal-time computingSimulationEmbedded systemTransport engineeringControl engineeringAutomotive engineeringArtificial intelligenceComputer hardware

Résumé

récupéré en direct d'OpenAlex

This study proposes an integrated driving control strategy by taking advantage of the automated driving technology at the individual vehicle level and the traffic signal preemption strategy at the traffic infrastructure level. This aims to facilitate an automated driving-based emergency vehicle control and ultimately to achieve efficient and safe control of emergency vehicles. To this end, this study developed the integrated emergency vehicle control logic, implemented the logic in the microscopic traffic simulation environment using the simulation software’s application programming interface capability, and evaluated the impacts of the proposed emergency vehicle control logic in the aspects of mobility and safety with different driving aggressiveness and preemption initiation settings. The study’s results show that the proposed emergency vehicle control logic achieved benefits on mobility and safety and the benefits of emergency vehicle control strategy can be maximized when the signal preemption and the automated driving control operate in collaboration. Therefore, the proposed integrated approach of automated driving controls and signal preemption will be a great reference for enhancing automated driving technologies supporting a safe and fast mobility solution.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,172
Score d'incertitude au seuil0,677

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,006
Tête enseignante GPT0,222
Écart entre enseignants0,215 · 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 tête enseignante, 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

Citations21
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Advanced TransportationMême sujetTraffic control and managementTravaux en français237 207