Assessing the Impacts of Autonomous Vehicles for Freeway Safety
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 découle