Track Behavior and Crash Risk Analysis of Passenger Cars on Hairpin Curves of Two-Lane Mountain Roads
Notice bibliographique
Résumé
Hairpin curves are often employed in alignment layout and an important feature that identifies dangerous driving conditions for mountain roads. However, driving behaviors at hairpin curves remain ambiguous. Field driving tests were conducted in this study on one two-lane mountain road with 11 hairpin curves. Vehicle-mounted equipment was utilized to collect track and lateral distance between the wheels and the lane markings under naturally driving conditions. Track morphology and patterns, risks, and road crash mechanisms were analyzed. The main findings are as follows. Curve cutting was a typical method for negotiating hairpin curves, was observed for left and right turns, and can be classified into three types based on the location of the cutting point, namely, cutting at curve entry, cutting at curve middle, and cutting at curve exit. Based on the lateral positional relationships between tracks and lane markings, six track patterns are determined for left turns and four track patterns for right turns. When passing a right turn by cutting the curve, a driver occupied the right shoulder of the turn; therefore, there is a risk of colliding with the mountain or the guardrail. When making a left turn into hairpin curves, a driver occupied the right shoulder on curve exit, resulting in running off the road or colliding with the guardrail. More than 70% and 60% of drivers occupied the opposite lane when turning right and turning left, respectively, into a hairpin turn, which led to intertwining between the tracks in the two driving directions and therefore a risk of potential collisions.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».