Assessing the Complexity of Potential Bicycle Interference on Vehicles on Urban Road Segments
Notice bibliographique
Résumé
Interacting with bicycles on urban road segments is complex for vehicles, due to the diverse and flexible cycling behavior that can cause interferences. Studies show that driving mixed with bicycles is also a great challenge for autonomous vehicles (AVs), and it is necessary to consider the interference of bicycles when selecting public roads for testing. However, existing road evaluation methods mostly focus on autonomous driving functions and accident analysis, although bicycles have been considered, often with insufficient consideration of their interference. This study analyzes two types of cycling behavior that could interfere with vehicles, including lateral (turning handlebars) and longitudinal (braking or accelerating) behavior, with each occurrence of such behavior considered as one potential lateral or longitudinal interference. From the perspective of cycling behavior, a framework is proposed to assess the complexity of potential bicycle interference on vehicles on road segments. A higher frequency of both potential lateral and longitudinal interference represents a higher complexity of potential interference. A naturalistic field experiment was conducted to collect the potential lateral and longitudinal interference frequency and the environmental parameters of road segments. The quantile regression model was applied to analyze the environmental factors influencing different interference frequencies separately and further establish the assessing model of the potential bicycle interference complexity, and the usability of the model has been demonstrated with a case study. Results show that the potential interference complexity varies across road segments, with some factors leading to more frequent potential lateral and longitudinal interference but with varying degrees of impact (such as the separation between bicycles and vehicles), while some only affect the lateral interference frequency (such as the on‐street parking condition). The proposed framework can help autonomous driving companies or evaluation agencies to select appropriate testing roads, thus promoting the development of autonomous driving.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| 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 ».