Trajectory‐Based Safety Analysis of Electric Battery Taxis
Notice bibliographique
Résumé
This paper utilizes trajectory data of electric taxis in Shenzhen to first study the driving characteristics of electric taxis from different indicators such as travel/driving speed, overspeed ratio, and overspeed amplitude. A combination weighting VlseKriterijumska Optimizacija I Kompromisno Resenje (VIKOR) evaluation method based on Nash equilibrium is constructed to comprehensively assess the operation safety of electric taxis in various spatiotemporal scenarios. The results show that the average driving speed and overspeed amplitude of battery electric taxis is 39.14 km/h and 22.78%, which is 1.27 and 1.72 times that of fuel taxis. The average overspeed ratio, average acceleration and deceleration and total acceleration and deceleration frequency are all more than twice those of fuel taxis. The average acceleration, deceleration, and idle time ratios of battery electric taxis are 0.27, 0.24 and 0.43, respectively, with a constant speed time ratio of only 0.06. The proposed combination weighting VIKOR evaluation method outperforms other evaluation methods in comprehensively considering data discreteness and correlation. Electric taxis have the highest operational safety on arterial roads, while the safety on minor arterial roads and local roads is relatively poor, especially on weekends. In all spatiotemporal scenarios, the overall operation safety of electric taxis is lower than that of fuel taxis. The research results can provide theoretical support for the formulation of effective measures and policies to reduce dangerous driving behavior of electric taxis.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| 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) | 0,001 | 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 ».