Investigating Safety of Evasion Maneuver Choices by Human-Driven Vehicles in Response to High-Density Truck Platoons Near Freeway Diverging Areas
Notice bibliographique
Résumé
High-Density Truck Platoons (HTPs) introduce new safety challenges for Human-Driven Vehicles (HDVs) near freeway diverging areas due to their extensive spatial and temporal occupancy. When navigating around an HTP, HDVs approaching off-ramps face two Evasion Maneuver Choices (EMCs): Platoon Front Overtaking (PFO) and Platoon Back Evading (PBE). To evaluate EMCs safety, we conducted driving simulation tests in scenarios with short, medium, and long distances of releasing. We used trajectory data to derive Anticipated Collision Time (ACT) and other behavior and safety metrics. A generalized extreme value (GEV) model based on ACT was utilized to evaluate the crash risk during the lane-changing process to evade the HTP. The results indicated that in the short scenario, the crash risk for PFO is higher, while in the medium scenario, the crash risk for both ACPs is roughly equal. The long scenario sees PBE as the riskier behavior. In addition, the crash risk notably decreases when transitioning from short to medium scenarios, regardless of the selected EMCs. These findings have important implications for the development of lane-changing assistance devices for HDVs and safety-oriented lane management strategies near freeway diverging areas.
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 | 0,004 |
| 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 | 0,001 |
| 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 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 ».