Variable Cell Transmission Model for Mixed Traffic Flow with Connected Automated Vehicles and Human-Driven Vehicles
Notice bibliographique
Résumé
The current research on the mixed traffic flow characteristics of human-driven vehicles (HDVs) and connected automated vehicles (CAVs) mainly focuses on the micro-level. To study the characteristics of the mixed traffic flow from the medium and macro level, this paper proposes a variable cell transmission model (VCTM). First, the fundamental diagram is introduced based on the phenomena of hysteresis of traffic flow. Second, the VCTM with different market penetration rates (MPR) of CAVs is proposed based on the classical cell transmission model (CTM). Then, the effectiveness of VCTM is verified by micro-simulation based on the intelligent driver model (IDM). Finally, some congestion indexes are selected to discuss the characteristics of mixed traffic flow based on the VCTM with an expressway simulation. The results show that the traffic capacity and congestion dissipation capacity gradually are increased with the increase of MPR of CAVs. The homogeneous CAVs traffic flow capacity can reach 1.41 times that of the homogeneous HDVs traffic flow, and the congestion dissipation time can be reduced by 25%. The larger MPR is, the greater the improvement effect is. In addition, compared with CTM, VCTM can reflect the delay, queuing, and dissipation of mixed traffic flow more accurately, which is helpful to capture the evolution mechanism of mixed traffic flow in the future.
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 ».