Expected Safety Performance of Different Freeway Merging Strategies in an Environment of Mixed Vehicle Technologies
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This study evaluates different proposed merging solutions that reduce the conflict between merging vehicles and mainline traffic within a mixed traffic environment using a safety measure to see which strategy might work better than others under specific traffic conditions. The mixed traffic includes various percentages of driver-operated vehicles (DVs) and connected autonomous vehicles (CAVs). The probability of noncompliance (PNC) is selected as a surrogate safety measure to assess the strategies. A MATLAB program is developed to simulate various traffic conditions at a merging area and to calculate the PNC merging for the different merging strategies. In addition, to examine the relationship between PNC and collision frequency at the merging area, the collision data at 15 merging ramps in Ottawa were collected to examine the relationship between PNC values obtained from the simulation for the case of a full-DV vehicle fleet and no management strategy (current conditions) and actual safety performance. The results confirmed the validity of PNC as a surrogate safety measure that is correlated to expected collision frequency at merge areas. By simulating all proposed merging management strategies, the results of this study showed a general trend of decreasing PNC and, hence, improved safety performance since the CAV penetration rate increases even when no management strategy is used or under the do-nothing option. However, most merging strategies had better expected safety performance than the do-nothing option, which indicates the value of implementing a merging management strategy, especially during the period of transition from a full-DV to a full-CAV fleet.
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.
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 découle