MétaCan
Menu
Retour à la cohorte
Enregistrement W4399890067 · doi:10.1155/2024/9966310

A Comprehensive Traffic Accident Investigation System for Identifying Causes of the Accident Involving Events with Autonomous Vehicle

2024· article· en· W4399890067 sur OpenAlexvenueno aff
Heesoo Kim, Hyorim Han, Yongsik You, Min-Je Cho, Junho Hong, Tai‐Jin Song

Notice bibliographique

RevueJournal of Advanced Transportation · 2024
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueRisk and Safety Analysis
Établissements canadiensnon disponible
Organismes subventionnairesKorean National Police Agency
Mots-clésAccident (philosophy)Transport engineeringTraffic accidentAccident investigationEngineeringForensic engineeringComputer science

Résumé

récupéré en direct d'OpenAlex

As the number of autonomous vehicles increases, the number of accidents also increases every year. These incidents include general car/traffic accidents and may introduce new potential issues such as cybersecurity and sensor errors of autonomous vehicles. The existing traffic accident investigation method has limitations in identifying the cause of the autonomous vehicle accident. Some states in the US (e.g., California and Texas) introduced limited items of Lv. 2 autonomous vehicle accidents. For instance, “vehicle level” and “autonomous mode/conventional mode” are being investigated to identify the cause of autonomous vehicle accidents. Therefore, it is crucial to propose accident investigation items and procedures in preparation for various autonomous vehicles that may occur in the future. In order to address these issues, this study collected reports used in existing traffic accident investigations, autonomous driving‐related reports and literature, and accident videos involving autonomous driving to build investigation items. First, we reviewed the items required for investigation in the event of a conventional vehicle accident and added additional investigation items deemed necessary to be reviewed in addition to the existing reports. Second, based on the conventional vehicle accident investigation items, this study derived the autonomous driving traffic accident investigation items. Finally, an accident involving autonomous vehicle(s) investigation process was established that can be used by the police and various investigation jurisdictions. The results of this paper can improve the understanding of the cause of future traffic accidents involving autonomous vehicles.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,038

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,009
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0160,004
Études des sciences et des technologies0,0020,000
Communication savante0,0020,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0110,006

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 Opus0,062
Tête enseignante GPT0,345
Écart entre enseignants0,283 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations8
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Advanced TransportationMême sujetRisk and Safety AnalysisTravaux en français237 207