In Pursuit of Emergency Procedures for Automated Driving System-Involved Scenarios
Notice bibliographique
Résumé
<div>As automated driving technology becomes more widely deployed, it is imperative to determine how such operations may impact public safety officials’ interactions with these vehicles. The current study collected responses from 79 public safety officials (i.e., representatives from law enforcement, fire and rescue, and emergency medical services [EMS]) from 22 states in the United States of America (USA) and three Canadian provinces. Participants were surveyed during focus groups and personal interviews with regard to six vehicular scenarios they typically encounter (incident response, scene security, direction and control of traffic, traffic stops/checkpoints, attending to abandoned/unattended vehicles, and vehicle stabilization/extrication) to explore: (1) Their standard protocols in approaching manually driven (civilian) vehicles in these scenarios and (2) How such protocols would necessarily change when approaching an automated driving system (ADS) operating in driverless mode. This exploratory study found that the majority of participant responses (59) focused on the need to know how to disable an ADS-equipped vehicle. Participants also indicated there could be benefits relative to ADS operating in driverless mode, including a reduced number of traffic stops, safer traffic control, and the potential to convey more information when responding to a scene. The study ultimately provides a foundation upon which future studies could build in consideration of automated-vehicle design and enhanced safety operations relative to public safety officials.</div>
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 ».