Impact of Driver Compliance and Aggressiveness in Connected Vehicles on Mixed Traffic Flow Efficiency: A Simulation Study
Notice bibliographique
Résumé
Connected vehicles (CVs) are becoming increasingly prevalent in today’s transportation systems, and understanding their behavior in mixed traffic flow is crucial for enhancing traffic efficiency and safety. This paper presents a comprehensive study investigating the impact of CV drivers’ compliance and aggressiveness on mixed traffic flow through simulation experiments. The unique contribution of this research lies in the adoption of a clustering method to classify CV drivers’ compliance and aggressiveness based on trajectory data captured by Unmanned Aerial Vehicles (UAVs). This approach allows for the accurate calibration of car‐following and lane‐changing models, surpassing previous methodologies. The study outlines two primary methods: the intelligent driver model (IDM) with driver compliance (CVs‐IDM) and the lane‐change 2013 model with drivers’ style. These methods are applied to simulate various scenarios of mixed traffic flow, considering different CV penetration rates and driver types. The pivotal findings reveal that higher CV penetration rates lead to reduced traffic flow disturbance, improved safety, and enhanced efficiency. Specifically, CV drivers exhibiting high compliance and normal aggressiveness demonstrate optimal performance in terms of disturbance reduction, safety, and overall efficiency. This research offers valuable insights for policymakers and practitioners. It recommends increasing the CV penetration rate in mixed traffic flow to enhance overall efficiency. Moreover, selecting the appropriate CV driver type based on the penetration rate can further optimize traffic flow, positively impacting transportation systems and promoting safer and more efficient mixed traffic environments.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».