Safety Effects of Connected and Automated Vehicle-Based Variable Speed Limit Control near Freeway Bottlenecks considering Driver’s Heterogeneity
Notice bibliographique
Résumé
A control strategy using variable speed limit (VSL) is a proven solution to reduce freeway collision risks and improve safety. However, the heterogeneity of human drivers restricts the effectiveness of traditional VSL controls, which may be made up by recent advanced technologies of connected and automated vehicles (CAVs). This study aims to propose a CAV-based VSL control system to address the limitations caused by human drivers on VSL control’s effectiveness. First, the heterogeneity of human drivers is analyzed, and its impact on the safety performance of VSL is examined. Specifically, a microscopic simulation platform is established, and two vehicle dynamic models developed for CAVs and human-driven vehicles (HDVs) are incorporated into the simulation platform. Based on a widely utilized surrogate safety measurement, time-to-collision, its derivative metrics are applied to evaluate collision risks, and the total travel time is used to assess operational efficiency. Extensive simulations are conducted to examine the performance of the proposed CAV-VSL system. The results indicate the following: (1) the heterogeneity of human drivers negatively affects the performance of the VSL; (2) the performance of the proposed control system in a mixed flow can be improved by advanced wireless communication technology; (3) CAVs are able to implement the VSL control strategy effectively resulting in the proactive reduction of the heterogeneity.
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 ».