Empirical approach for identifying potential rear-end collisions using trajectory data
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This paper proposes a novel approach for examining rear-end collisions between successive vehicles in a traffic stream. In this approach, a new safety measure of the follower driver's attentiveness is proposed, referred to herein as instantaneous heeding time (IHT), reflecting the subject follower's heeding nature concerning its leader. A safety framework that integrates the IHT with the distance gap and the instantaneous follower's speed is presented. The applicability of the framework is demonstrated using an Indian-traffic trajectory database (developed in this study) and the homogeneous traffic database of the next generation simulation (NGSIM) project developed in the United States (U.S.). Five study sections in India and two study sections in the U.S. are analyzed for three traffic-flow levels. For Indian traffic, the results show that motorized two-wheelers (MTW) have degraded road safety due to the unrestrained lateral crisscross movements. Due to the presence of MTW, the Indian-traffic stream operates in a disorderly fashion, thereby increasing the probability of rear-end collisions with other vehicle classes. Further, the importance of implementing cautioning measures for drivers that reduce the probability of collisions is demonstrated. Besides, the NGSIM application results confirmed the proposed framework's applicability to both Indian and homogeneous traffic conditions. In practice, the proposed framework can be used in real-time to monitor the driver's aggressive instincts.
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.
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 découle