Effect of Adaptive Cruise Control on Mixed Traffic Flow: A Comparison of Constant Time Gap Policy with Variable Time Gap Policy
Notice bibliographique
Résumé
With the emerging application of low-level driving automation technology, heterogeneous traffic flow mixed with human-driven vehicles and low-level autonomous vehicles is dawning. In this context, it is imperative to investigate its effect on mixed traffic flow. As a key component for adaptive cruise control (ACC) which is a practical low-level application of driving automation, the time gap policy determines the dynamic of ACC-equipped vehicles and plays a crucial role in traffic flow stability and efficiency. There are two main time gap policies used for ACC at present, namely, constant time gap (CTG) policy and variable time gap (VTG) policy. In this study, we carried out a detailed comparison between these time gap policies to investigate their potential effect on mixed traffic flow, where the analytical- and simulation-based approaches are both considered. Analytical results show that VTG policy is superior to CTG policy in stabilizing the mixed traffic flow. In addition, numerical simulations are also conducted and simulation results further support the analytical results. As for throughput, there is no difference between CTG policy and VTG policy in analytical progress when the same time gap is set at the equilibrium. However, simulation results based on an on-ramp scenario show that the throughput of mixed traffic flow with VTG policy is slightly higher than that of CTG policy. Meanwhile, the scatter of mixed traffic flow with VTG policy in the flow-density diagram gradually clusters in the middle range of density (i.e., 20–40 veh/km) with the increase of the penetration rates of ACC vehicles, where the traffic flow operates more efficiently. These results indicate that VTG policy is better than CTG policy when designing controllers for ACC in the context of traffic flow operation and control.
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) | 0,001 | 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 ».