Receptiveness angle: A new surrogate safety measure for monitoring traffic safety
Notice bibliographique
Résumé
This paper presents a framework for monitoring highway traffic-stream measures using quality trajectory data of mixed (heterogeneous) traffic. The framework includes a new measure that reflects the attentiveness of the follower driver, called receptiveness angle, in the vehicle-following process. This measure is integrated with the traditional measures (distance gap between the leader and follower vehicles and their speeds) to model the probabilistic rear-end collision interactions between the two vehicles. To verify the proposed framework, two road sections in India with mixed traffic conditions, located along the same road, were used. One section has no construction activity (base section) and the other has construction activity. The verification consisted of two tasks. First, to trace the movements of the vehicles, trajectory data over the study sections were developed for three traffic-flow levels, where two flow levels between the two sections were comparable. Second, the trajectory data were used to verify the proposed framework which was evaluated for the traffic streams of the two sections at the three traffic-flow levels. The results showed that smaller vehicles in the traffic stream exhibited a higher receptiveness angle (paid less attention) compared to other vehicle classes. Interestingly, the study revealed variations in safety among the three traffic-flow levels. It was observed that the traffic stream was safer at stop-and-go conditions than at other flow conditions. Furthermore, due to the pre-cautioning measures for the construction section, vehicles in this section were more attentive than those in the base section.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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 ».