Assessing the Impacts of Autonomous Vehicles for Freeway Safety
Notice bibliographique
Résumé
Autonomous vehicles (AVs) are being deployed as one of the vital elements for the future of transportation services.Automated vehicle technology is developing rapidly, and this prompted researchers to further assess their impacts on transportation networks.One of the most critical situations when deploying AVs is the mixed traffic conditions.This situation will be faced when the deployment is not full (i.e., the percentage of AVs in the traffic flow (market share) is not 100% yet).Therefore, there will be an interaction between AVs and regular vehicles (RVs).This research aims to evaluate the implications of AVs on freeway traffic safety.This investigation considered the section of the road of E311 (Sheikh Mohamed Bin Zayed Road) freeway in Dubai, UAE as the test corridor for the study.Microsimulation software (PTV VISSIM) is used to simulate and assess different traffic scenarios.The developed model aimed to forecast potential traffic accidents on the freeway.In this experiment, a total of 7 demand-to-capacity (D/C) ratios and 10 market share values are considered.The findings indicate that the integration of AVs significantly reduces the frequency of potential traffic accidents.Notably, the largest reductions in accident rates, ranging from 70% to 100%, occur when AVs comprise between 40% to 100% of the traffic.Moreover, the results suggest that complete elimination of potential traffic accidents is achievable with full AV deployment, thereby removing human-driven vehicles from the freeway.This research underscores the substantial safety benefits that AVs could deliver as their presence in traffic flows increases, highlighting their crucial role in enhancing freeway safety.
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 | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 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 ».