Simulation based approaches to evaluate the safety impacts of connected and automated vehicles at signalized intersections using trajectory data
Notice bibliographique
Résumé
Les automobilistes sont de moins à moins obligés d'effectuer des tâches de conduite simples en raison de l'avancement des systèmes d'aide à la conduite. Bien que nombreuses fonctions soient intégrées dans les véhicules pour améliorer la sécurité et le confort, ces derniers ont toujours eu besoin d'une personne pour les conduire depuis l’invention des véhicules motorisés. Alors que l’automatisation des véhicules continue à avancer, le système de transport et les usagers de la route vont vivre des changements sans précédent. Malgré l'incertitude autour de la disponibilité à grande échelle des technologies des VAC, ces technologies auront des impacts énormes sur nos systèmes de transport dans les prochaines décennies et nous devons nous préparer pour ces changements.Plusieurs travaux dans la littérature tentent d'estimer l'impact des VAC. L'enjeu principal est l'absence de données de terrain sur la performance des VAC. Cette limitation mène les chercheurs à utiliser des simulations pour estimer l'impact des VAC. Cependant, ces études traitent principalement des véhicules complètement automatisés utilisant des modèles de poursuite disponibles par défaut dans les logiciels de simulation pour estimer l’impact des VAC sur la sécurité. Ces études ignorent souvent comment les conducteurs humains réagiraient à des informations supplémentaires. De plus, il y a trop peu d'études empiriques concluantes sur la sécurité des VAC qui utilisent des données réelles.Premièrement, cette thèse examine à l’aide d’observations empiriques l'effet des informations fournies par les décomptes piétons sur les conducteurs. L’ensemble de données inclue 5000 véhicules et a été collecté dans la ville de Montréal, au Canada. Une méthode de traitement vidéo est employée pour traiter les données vidéo collectées et générer les trajectoires des véhicules. Les comparaisons statistiques et les modèles de régression polynomiale à effets mixtes sont utilisés pour examiner l'impact des décomptes piétons sur la sécurité pour les conducteurs approchant des carrefours à feux. Après avoir examiné le changement de comportement des conducteurs, cette thèse propose un algorithme de contrôle de l'accélération qui utilise pleinement les informations des feux. Dans ce cas, les véhicules sont complètements automatisés et connectés en utilisant des communications véhicule-à-infrastructure (V2I). L'algorithme proposé est utilisé pour évaluer l'impact des VAC sur la sécurité aux carrefours à feux. En outre, l'adéquation des indicateurs substituts de sécurité souvent utilisés pour les VAC est testée sur la base de l'algorithme et des données empiriques. Les résultats de cette thèse démontrent que rendre disponible les informations des feux de décompte piéton aux conducteurs est liée à une augmentation des vitesses des véhicules aux carrefours à feux. Les observations montrent que les conducteurs avec et sans les informations des décomptes piétons ont des comportements différents. La fréquence des conflits arrière graves augmente quand les informations des décomptes piétons sont disponibles pour les conducteurs. Ces résultats impliquent que la disponibilité de ces informations supplémentaires peut engendrer des problèmes de sécurité routière. En revanche, lorsque les VAC utilisent pleinement les informations des feux de circulation avec l'algorithme de contrôle d'accélération développé, les résultats de simulation montrent que le déploiement des VAC peut améliorer la sécurité aux carrefours à feux. L'algorithme de contrôle de l’accélération pour les feux démontre que l'augmentation du nombre de VAC réduirait le nombre de conflits arrière graves entre les véhicules, ainsi que leur gravité. Les résultats de l'évaluation des indicateurs substituts de sécurité montrent que les indicateurs peuvent mener à des conclusions différentes sur la sécurité concernant les VAC en raison des caractéristiques de conduite différentes entre les CAV et les conducteurs humains
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 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 ».