Macroscopic Experiments on Coexistence of Autonomous Vehicle Behavior on Various Heterogeneous Traffic Conditions
Notice bibliographique
Résumé
Automated vehicles (AVs) are likely to bring paradigm shift in the future of transportation and in the transformation of urban space as they could reduce traffic accidents, energy consumption, and pollution while also lowering congestion expenses. To provide meaningful insights, there is a substantial need for investigation into the macroscopic evaluation of various evolutions of AVs using several measures of effectiveness. The main focus of this study is to evaluate the macroscopic operational impacts of AVs in terms of their driving logics, automation levels, and roadway type, all of which are adopted based on their passenger car unit (PCU) factors at various penetration rates, in order to assess the coexistence of AVs with heterogeneous traffic. The daily vehicle hours travelled, daily vehicle kilometers travelled, sum of delays on links, speed variation, and sum of vehicle volumes on links are used as measures of effectiveness parameters based on outputs of PTV Visum scenario manager. The results of the various scenario combinations depicted an overall improvement with advancement of driving logics, automation levels, and roadway types for each studied parameter. For instance, for better roadway condition with the motorway scenario and at higher AV penetration, the cautious driving behavior negatively affects the network performance, whereas favorable improvements are observed for the parameters of the normal and aggressive driving behaviors. Decision makers could make use of the insights obtained from the results to further shape the AV deployment aspects and extend the study considering infrastructure AV-readiness along with AV communication systems.
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 ».