MétaCan
Menu
Retour à la cohorte
Enregistrement W4382982125 · doi:10.3390/app13137810

A Microscopic Traffic Model Considering Driver Reaction and Sensitivity

2023· article· en· W4382982125 sur OpenAlexaff
Faryal Ali, Zawar Hussain Khan, T. Aaron Gulliver, Khurram Shehzad Khattak, Ahmed B. Altamimi

Notice bibliographique

RevueApplied Sciences · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueTraffic control and management
Établissements canadiensUniversity of Victoria
Organismes subventionnairesnon disponible
Mots-clésHeadwaySensitivity (control systems)PlatoonAccelerationTraffic flow (computer networking)SimulationExponentString (physics)Computer scienceTraffic modelMicroscopic traffic flow modelReal-time computingTraffic generation modelMathematicsEngineeringPhysicsArtificial intelligenceComputer networkElectronic engineeringClassical mechanics

Résumé

récupéré en direct d'OpenAlex

A new microscopic traffic model is proposed that characterizes driver response according to reaction and sensitivity. Driver response in the intelligent driver (ID) model is based on a fixed acceleration exponent and so does not follow traffic physics. This inadequate characterization results in unrealistic traffic behavior. With the proposed model, drivers can be aggressive, sluggish, or typical. It is shown to be string stable, and for appropriate distance headway and velocity (speed), the traffic flow is smooth. Furthermore, the proposed model has better stability than the ID model because it is based on driver reaction and sensitivity, while the ID model is based on a fixed exponent. The ID and proposed models are evaluated on a circular road of length 1200 m with a platoon of 21 vehicles for 150 s. The results obtained show that the proposed model characterizes traffic more realistically than the ID model.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,214
Score d'incertitude au seuil0,238

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,017
Tête enseignante GPT0,215
Écart entre enseignants0,198 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations11
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueApplied SciencesMême sujetTraffic control and managementTravaux en français237 207