Simulation and Modelling of Safety of Roadways in Reverse Horizontal Curves (RHCs): With Focus on Lateral Friction Coefficient
Notice bibliographique
Résumé
Reverse Horizontal Curves (RHCs) are among the most accident-prone road points, with many annual fatalities and injuries. These fatalities can increase dramatically if the RHCs and longitudinal slopes are combined. The importance of increasing the safety of RHCs, especially in mountainous routes, is doubled due to the possibility of combining RHCs with vertical extensions or combining them with so-called steep slopes. This study used vehicle dynamic modeling to evaluate the lateral friction of various vehicles. Including the E-Class Sedan, E-Class SUV, Truck, and Bus, moving on RHCs combined with a longitudinal slope (downgrade, upgrade, and direct distance). Then, the RHC lateral friction model was presented using the multiple regression model based on the effective parameters, including design speeds, direct distance, and different longitudinal slopes. The results showed that speed, longitudinal slope, and vehicle type had the most impact, and direct distance had the most negligible impact in friction coefficient models. Based on the modeling results, the higher the design’s speed and the shorter the direct distance, the lower the lateral friction coefficient for the Sedan and SUV. Hence, the safety of the vehicles is greater. For trucks, reduced speed, increased direct distance, and reduced slope led to increased safety. In the results, the most critical state was the lateral friction coefficient at a speed of 80 km/h and a direct distance of 116 m for the SUV.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».