Spatiotemporal Traffic Density Estimation Based on ADAS Probe Data
Notice bibliographique
Résumé
This study aims to develop a spatiotemporal traffic density estimation method based on the advanced driver assistance system (ADAS) Probe data. This study uses the vehicle trajectory data collected from the ADAS equipped on the sample probe vehicles. Such vehicle trajectory data are used firstly to estimate the distance headway between the vehicles on a specific road section, and the postprocessed distance headway data are finally used to estimate the spatiotemporal traffic density. The innovation aspect of the proposed methodology in this study is that traffic density can be estimated in high accuracy only with a small size of data points in support of ADAS. On the other hand, existing density estimation method requires a large number of probe vehicles and its numerous data sets including either the global positioning system data or the dedicated short-range communication data. To verify the proposed methodology, a two-step evaluation is performed: the first step is a numerical evaluation that estimates the spatiotemporal traffic density based on the simulated vehicle trajectory data, and the second step is an empirical evaluation that estimates the density based on the real-road data in both peak and nonpeak periods. Beyond the methodology development, this study verified the estimation reliability of traffic density under various traffic conditions based on the sampling rate of ADAS-equipped vehicles. Consequently, the traffic density estimation error decreased as the sampling rate increased. Estimation accuracy of 90% or higher was observed in all scenarios when the sampling rate was 50% or higher. It indicates that fairly accurate traffic density estimation is feasible using probe vehicles that correspond to half of the vehicles driven on the road. Therefore, this practical approach is expected to mitigate the burden of density estimation, particularly in future road systems in which ADAS and autonomous vehicles are prevalent.
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 ».