Development of a Knowledge Base for Multiyear Infrastructure Planning for Connected and Automated Vehicles
Notice bibliographique
Résumé
Connected and automated vehicles (CAVs) require proper infrastructure for safer and more reliable operations. Many state and local planning agencies have developed multiyear capital programs to provide such infrastructure in a timely manner within their limited budgets. Meanwhile, the traffic environment will evolve over time as CAV technologies become available (i.e., toward the mixed environment of CAVs and human-driven vehicles), which requires infrastructure plans specific to different planning terms (i.e., short-, medium-, and long-term) to accommodate changing infrastructure needs. To develop an effective multiyear infrastructure plan, planning agencies need to understand changing infrastructure needs with time, identify alternative infrastructure options for different planning terms, and select the most appropriate ones based on their long-term vision. This study performed a systematic literature review to develop a knowledge base for multiyear infrastructure planning for CAVs. To be more specific, the literature review aims to develop the following knowledge areas: (1) identification of existing and future infrastructure options for the operation of CAVs, (2) understanding the role of infrastructure to support different functions of CAVs to realize safety, mobility, and environmental benefits, and (3) integration of the aforementioned findings into planning agencies’ multiyear infrastructure plans for CAVs. Based on the review, this study categorizes different CAV infrastructure into existing infrastructure and future infrastructure options while considering five system functions of CAVs (i.e., cooperative merging, platooning, intersection movement, dynamic routing, and cooperation and connected functions) to illustrate the role of these infrastructure options under different traffic scenarios. The implementation of the developed knowledge base is demonstrated through a case study of two selected state agencies’ long-term infrastructure planning for CAVs.
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 | 0,016 | 0,050 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,003 | 0,004 |
| Bibliométrie | 0,039 | 0,024 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,007 | 0,010 |
| Science ouverte | 0,006 | 0,004 |
| Intégrité de la recherche | 0,004 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,002 |
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 ».