Expressway conflict risk mechanism considering the interactions between vehicle-group and road-segment
Notice bibliographique
Résumé
OBJECTIVES: There have been numerous studies on conflict risk for expressways, with the majority of previous studies focusing on road-segments' conflict risk while neglecting the impact of moving vehicles. In recent years, some studies have begun to work on vehicle-group without the consideration of the traffic on the road-segment. However, as the vehicle-group travels along the road-segment, the conflict risk of road-segment and vehicle-group will interact with each other. The aim of this study is to analyze the interactive mechanism of conflict risk between vehicle-groups and road-segments on expressways. METHODS: This study utilized high-resolution vehicle trajectory data to separately build conflict risk prediction models for vehicle-groups and road-segments. The best performing models were selected and explainability algorithms were applied. The analysis then focused on two aspects: (1) the influence of downstream high-risk vehicle-groups on upstream road-segment conflict risk and (2) the impact of geometric and traffic parameters of downstream road-segments on the conflict risk of vehicle-groups. RESULTS: The results show that vehicle-group characteristics significantly affect road-segment conflict risk. When high-risk vehicle-groups appear downstream, the conflict risk of the road-segment increases by about 6%, and the impact is stronger when the propagation distance is shorter. In turn, when the conflict risk of a downstream road-segment increases, this risk propagates upstream through the traffic flow, affecting the behavior of vehicle-groups and raising their conflict risk. A difference of 29% in vehicle-group conflict risk was observed depending on the median downstream road-segment conflict risk. CONCLUSIONS: This study demonstrates that vehicle-groups and road-segments interact in the propagation of expressway conflict risk. Integrating these two dimensions enables more accurate conflict risk prediction and analysis. This research provides a novel perspective by integrating vehicle-group and road-segment interactions for more accurate conflict risk prediction and analysis.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».