Notice bibliographique
Résumé
In the transition step to the near future where autonomous vehicles fill the highways, the autonomous vehicles’ successful implementation counts on knowledge about their interaction with conventional vehicles. Due to the lack of numbers of the autonomous vehicles on roadways, many transportation professionals depend on simulations in order to examine the coexistence of both vehicle types and their interaction in the circumstance of higher market penetration rates of the autonomous vehicles. In this study, VISSIM microscopic simulator is used for inspecting the autonomous vehicles interactions and assessing their impacts on traffic stream. A case study that evaluates the effects on vehicles throughput, delay, queue length, and safety at the highway work zone merging area is investigated. The simulation was generated the proximity of the Louis-Hippolyte La Fontaine tunnel, which connects Boucherville and Montréal island. To simulate coexist periods, the autonomous vehicles were put into the simulation with different penetration rates starting at 20% and increasing 20% for each scenario until reaching 80% of the rates of the autonomous vehicles. Furthermore, the safety impact of the autonomous vehicles in the matter of conflicts was studied using the Surrogate Safety Assessment Model (SSAM). The simulation results showed that the tunnel work zone’s capacity per lane was increased when CAVs were added to the simulation. The average vehicle delay did not improve a low CAV penetration rates. However, as CAVs account for more than 40% of the total passenger vehicles, the vehicle delay improved. The simulated model also showed that the average queue length increased with the increase of CAV in the traffic stream. Nonetheless, the conflict analysis results proved that CAVs can improve overall traffic safety at the work zone.
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 | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».