論文の概要: Using Connected Vehicle Trajectory Data to Evaluate the Effects of
Speeding
- arxiv url: http://arxiv.org/abs/2303.16396v1
- Date: Wed, 29 Mar 2023 02:17:28 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-30 16:24:55.598844
- Title: Using Connected Vehicle Trajectory Data to Evaluate the Effects of
Speeding
- Title（参考訳）: 連結車両軌道データを用いた速度効果評価
- Authors: Jorge Ugan, Mohamed Abdel-Aty and Zubayer Islam
- Abstract要約: 様々な交通機関が、動脈の速度を下げるための速度管理戦略を提案している。
速度制限以上の速度比の分析には様々な研究がなされているが、個人の移動に影響を及ぼすと考える研究は少ない。
本研究は,各経路における各走行経験が速度比に及ぼす影響について検討することを目的とする。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Speeding has been and continues to be a major contributing factor to traffic
fatalities. Various transportation agencies have proposed speed management
strategies to reduce the amount of speeding on arterials. While there have been
various studies done on the analysis of speeding proportions above the speed
limit, few studies have considered the effect on the individual's journey. Many
studies utilized speed data from detectors, which is limited in that there is
no information of the route that the driver took. This study aims to explore
the effects of various roadway features an individual experiences for a given
journey on speeding proportions. Connected vehicle trajectory data was utilized
to identify the path that a driver took, along with the vehicle related
variables. The level of speeding proportion is predicted using multiple
learning models. The model with the best performance, Extreme Gradient
Boosting, achieved an accuracy of 0.756. The proposed model can be used to
understand how the environment and vehicle's path effects the drivers' speeding
behavior, as well as predict the areas with high levels of speeding
proportions. The results suggested that features related to an individual
driver's trip, i.e., total travel time, has a significant contribution towards
speeding. Features that are related to the environment of the individual
driver's trip, i.e., proportion of residential area, also had a significant
effect on reducing speeding proportions. It is expected that the findings could
help inform transportation agencies more on the factors related to speeding for
an individual driver's trip.
- Abstract（参考訳）: スピードは、交通事故の致命的な原因であり続けている。
様々な交通機関が動脈の速度低下を減らすための速度管理戦略を提案している。
速度限界を超える速度の比率の分析については様々な研究がなされているが、個人の旅への影響を考察した研究はほとんどない。
多くの研究は、ドライバーが乗った経路に関する情報がないという制限がある検出器からの速度データを利用した。
本研究は,各経路における各走行経験が速度比に及ぼす影響を検討することを目的とする。
連結された車両軌道データは、ドライバーが乗った経路と車両関連変数を識別するために利用された。
速度比のレベルは、複数の学習モデルを用いて予測される。
最高性能の極端な勾配昇圧モデルが 0.756 の精度を達成した。
提案モデルは、運転者の速度行動に環境と車両の経路がどのように影響するかを理解し、高い速度の比率の領域を予測するのに使うことができる。
その結果,運転者一人ひとりの移動,すなわち全走行時間に関連する特徴が,速度向上に大きく寄与していることがわかった。
また,各運転者の走行環境,すなわち住宅地の割合に関連する特徴は,速度の低下にも大きな影響を及ぼした。
この発見は、交通機関に個々のドライバーの移動のスピードに関する要因をより詳しく伝えるのに役立つと期待されている。
関連論文リスト
- GPT-Augmented Reinforcement Learning with Intelligent Control for Vehicle Dispatching [82.19172267487998]
GARLIC: GPT拡張強化学習のフレームワーク。
本稿では,GPT強化強化学習とインテリジェント制御のフレームワークであるGARLICについて紹介する。
論文 参考訳（メタデータ） (2024-08-19T08:23:38Z) - Vehicle Speed Detection System Utilizing YOLOv8: Enhancing Road Safety and Traffic Management for Metropolitan Areas [0.0]
バングラデシュでは道路事故が主要な死因の1つとなっている。
YOLOv8モデルは、密接な監督の下で訓練されたときに、より高速で精度の高いビデオ中の車を認識、追跡することができる。
論文 参考訳（メタデータ） (2024-06-11T20:45:40Z) - The impact of complexity in the built environment on vehicular routing behavior: Insights from an empirical study of taxi mobility in Beijing, China [0.0]
運転時のアンカー効果と露光嗜好を模倣した車両経路選択モデルを提案する。
その結果,提案モデルでは,最短経路原理に基づく従来の車両経路選択モデルよりも12%高い性能を示した。
論文 参考訳（メタデータ） (2024-04-24T01:45:11Z) - Inferring Heterogeneous Treatment Effects of Crashes on Highway Traffic:
A Doubly Robust Causal Machine Learning Approach [15.717402981513812]
本稿では,高速道路における各種事故の因果的影響を推定する新しい因果的機械学習フレームワークを提案する。
ワシントン州のハイウェイ州間高速道路5号線で発生した4815件の事故実験の結果、様々な距離と時間における事故の不均一な処理効果が明らかになった。
論文 参考訳（メタデータ） (2024-01-01T15:03:14Z) - Effect of roundabout design on the behavior of road users: A case study
of roundabouts with application of Unsupervised Machine Learning [1.2166468091046596]
本研究の目的は、ローターの性能を評価し、ローターと相互作用する人間のドライバーの挙動を研究することである。
ラウンドアバウンドは交差点のねじれ速度、進入速度、およびその結果の速度への影響を道路利用者のレーティングに依存する。
論文 参考訳（メタデータ） (2023-09-25T21:28:52Z) - Deep Reinforcement Learning for the Joint Control of Traffic Light
Signaling and Vehicle Speed Advice [8.506271224735029]
本稿では,交通信号制御と車両速度アドバイスの両方の制御を共同で学習する試みを提案する。
実験では,11のベンチマークシナリオ中8つのシナリオにおいて,共同制御手法により平均走行遅延を低減し,信号機のみを制御する。
論文 参考訳（メタデータ） (2023-09-18T15:45:22Z) - DenseLight: Efficient Control for Large-scale Traffic Signals with Dense
Feedback [109.84667902348498]
交通信号制御(TSC)は、道路網における車両の平均走行時間を短縮することを目的としている。
従来のTSC手法は、深い強化学習を利用して制御ポリシーを探索する。
DenseLightは、不偏報酬関数を用いてポリシーの有効性をフィードバックする新しいRTLベースのTSC手法である。
論文 参考訳（メタデータ） (2023-06-13T05:58:57Z) - Studying the Impact of Semi-Cooperative Drivers on Overall Highway Flow [76.38515853201116]
半協調行動は、人間ドライバーの本質的な性質であり、自律運転には考慮すべきである。
新たな自律型プランナーは、社会的に準拠した軌道を生成するために、人間のドライバーの社会的価値指向(SVO)を考慮することができる。
エージェントが反復的最適応答のゲーム理論バージョンをデプロイする暗黙的な半協調運転について検討する。
論文 参考訳（メタデータ） (2023-04-23T16:01:36Z) - Modelling and Detection of Driver's Fatigue using Ontology [60.090278944561184]
道路事故は世界8大死因である。
様々な要因がドライバーの疲労の原因となっている。
ドライバの疲労検出に関するオントロジー知識とルールをインテリジェントシステムに統合する必要がある。
論文 参考訳（メタデータ） (2022-08-31T08:42:28Z) - Motion Planning and Control for Multi Vehicle Autonomous Racing at High
Speeds [100.61456258283245]
本稿では,自律走行のための多層移動計画と制御アーキテクチャを提案する。
提案手法はダララのAV-21レースカーに適用され、楕円形のレーストラックで25$m/s2$まで加速試験された。
論文 参考訳（メタデータ） (2022-07-22T15:16:54Z) - Emergent Road Rules In Multi-Agent Driving Environments [84.82583370858391]
運転環境の要素が道路ルールの出現の原因となるかを分析する。
2つの重要な要因が雑音知覚とエージェントの空間密度であることがわかった。
我々の結果は、世界中の国々が安全で効率的な運転で合意した社会道路規則を実証的に支持する。
論文 参考訳（メタデータ） (2020-11-21T09:43:50Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。