Simulation based approaches to evaluate the safety impacts of connected and automated vehicles at signalized intersections using trajectory data
Bibliographic record
Abstract
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
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.005 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.002 | 0.001 |
| Research integrity | 0.002 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".