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 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 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».