Drivers’ Dilemma at High-Speed Unsignalized Intersections
Notice bibliographique
Résumé
At unsignalized intersections, drivers typically reject smaller gaps and accept larger gaps in traffic. However, drivers experience a dilemma or confusion over a wide range of gaps, since incorrect decisions by them can lead to crashes. The present study quantifies the drivers’ dilemma at high-speed unsignalized intersections. Traffic data on gap size (temporal and spatial), driver’s decision (acceptance or rejection), the waiting time of the offending vehicle, the offending and conflicting vehicle types, and the speed of the conflicting vehicle are extracted from recorded video. The decisions by drivers to accept or reject gaps are modeled as a function of the gap size, the waiting time of the offending vehicle, and the speed of the conflicting vehicle using binary logit regression. The results reveal that the probability of rejection decreases as the gap size and waiting time of the subject vehicle increases. On the contrary, as the speed of the conflicting vehicle increases, the probability of rejection increases. The length and location of the dilemma zone were investigated using vehicle type, right-turning movement, and the speed of the conflicting vehicle, and a significant effect was noted. Moreover, the length and location of the dilemma zone are analytically quantified based on drivers’ compliance with a driver assistance system (DAS). The length of the dilemma decreases as the proportion of drivers’ compliance with the DAS increases. Further, the location of the dilemma zone shifts upstream of the intersection with an increase in drivers’ compliance with the DAS.
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 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».