Overall Influence of Dedicated Lanes for Connected and Autonomous Vehicles on Freeway Heterogeneous Traffic Flow
Notice bibliographique
Résumé
With the development of autonomous driving and communication technology, the heterogeneous traffic flow by combining connected and autonomous vehicles (CAVs) and manually driven vehicles (MVs) will appear on the freeway in the near future. It is expected that CAVs can improve the freeway capacity and reduce vehicle exhaust emissions, but sharing the same road by CAVs and MVs will cause certain interference to CAVs. In order to reduce the negative influence of the heterogeneous traffic flow, setting up CAV dedicated lanes to separate CAVs from MVs to a certain extent is regarded as a reasonable solution. Based on the characteristics that MVs should be decelerated by a realistic amplitude and that the connected and autonomous vehicle can accurately predict the speed of its preceding and rear CAVs at the next time step, a heterogeneous traffic flow model was established. Based on this model, we studied the overall influence of different lane strategies on the operating efficiency of freeway traffic flow and vehicle exhaust emissions under different densities with different CAV penetration rates. The results show that setting up CAV dedicated lanes with low CAV penetration rates will have a negative impact on the freeway traffic flow. When the CAV penetration rate is 40%–60% and the density is not less than 30 veh/km/lane, setting up one CAV dedicated lane is the best choice. When the CAV penetration rate exceeds 60% and the density is not less than 40 veh/km/lane, setting up two CAV dedicated lanes is the best choice. The research finding will assist in understanding the overall influence of CAV dedicated lanes on freeway traffic flow and help determine the optimal number of CAV dedicated lanes under different traffic conditions.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».