Implications of a Narrow Automated Vehicle-Exclusive Lane on Interstate 15 Express Lanes
Notice bibliographique
Résumé
The main objective of this study is to evaluate the safety and operational impacts of an innovative infrastructure solution for safe and efficient integration of Automated Vehicle (AV) as an emerging technology into an existing transportation system. Filling the gap in the limited research on the effect of AV technology on infrastructure standards, this study investigates implications of adding a narrow reversible AV-exclusive lane to the existing configuration of I-15 expressway in San Diego, resulting in a 9 ft AV reversible lane and, in both directions, two 12-feet lanes for HOV and FasTrak vehicles. Given the difference between the operation of AVs and human-driven vehicles and reliance of AVs on sensors as opposed to human capabilities, the question is should we provide narrower AV-exclusive roadways assuming AVs are more precise in lateral and longitudinal lane keeping behaviour? To accomplish the goal of the project, a historical crash data analysis and a traffic simulation analysis were conducted. Crash data analysis revealed that unsafe speed, improper turning, and unsafe lane change are the most recurring primary collision factors on I-15 ELs. AVs’ automated longitudinal and lateral control systems could potentially reduce these types of collisions on an AV-exclusive lane with proper infrastructure features for AV sensor operation (e.g., distinct lane marking). Microsimulation findings indicated an AV-exclusive lane may increase traffic flow and density by up to 14% and 24%, respectively. It also showed that average speed is reduced. However, this could lead to the speed differential increase between the exclusive lane and adjacent lane requiring careful consideration if additional treatments or barriers are needed. The results of this study contribute to infrastructure adaptation to AV technology and future AV-exclusive lanes implementations.
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 ».