論文の概要: Impact of Level 2/3 Automated Driving Technology on Road Work Zone Safety

• arxiv url: http://arxiv.org/abs/2503.07634v1
• Date: Wed, 05 Mar 2025 00:26:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-12 19:17:24.941845
• Title: Impact of Level 2/3 Automated Driving Technology on Road Work Zone Safety
• Title（参考訳）: レベル2/3自動運転技術が道路作業ゾーン安全に及ぼす影響
• Authors: Zhepu Xu, Ziyi Song, Yupu Dong, Peiyan Chen,
• Abstract要約: 本稿では,高速道路の高速作業環境におけるレベル2/3自動走行技術が道路安全に与える影響について検討する。 研究によると、自動走行技術がワークゾーンの安全性に与える影響は複雑である。
• 参考スコア（独自算出の注目度）: 0.09642500063568188
• License:
• Abstract: As China's road network enters the maintenance era, work zones will become a common sight on the roads. With the development of automated driving, vehicles equipped with Level 2/3 automated driving capabilities will also become a common presence on the roads. When these vehicles pass through work zones, automated driving may disengage, which can have complex effects on traffic safety. This paper explores the impact of Level 2/3 automated driving technology on road safety in high-speed highway work zone environments. Through microscopic traffic simulation method and using full-type traffic conflict technique, factors such as market penetration rate (MPR), traffic volume level, disengagement threshold, and driver takeover style are studied to understand their impact on work zone safety. The study found that the impact of automated driving technology on work zone safety is complex. Disengagement of automated vehicles in work zones reduces the proportion of vehicles that can maintain automated driving status. If takeover is not timely or adequate, it can easily lead to new traffic conflicts. Different factors have varying degrees of impact on work zone safety. Increasing MPR helps reduce the occurrence of single-vehicle conflicts, but it also increases the possibility of multi-vehicle conflicts. Therefore, future research and improvement directions should focus on optimizing the disengagement detection and takeover mechanisms of automated driving systems.
• Abstract（参考訳）: 中国の道路網が整備時代に入るにつれ、ワークゾーンは道路の一般的な観光地になるだろう。 自動走行の開発により、レベル2/3の自動走行機能を備えた車両も道路上では一般的な存在となる。 これらの車両が作業区域を通過すると、自動走行が停止し、交通安全に複雑な影響を及ぼす可能性がある。 本稿では,高速道路の高速作業環境におけるレベル2/3自動走行技術が道路安全に与える影響について検討する。 交通シミュレーションとフルタイプの交通競合手法を用いて,作業ゾーンの安全への影響を理解するために,市場浸透率(MPR),交通量レベル,脱着しきい値,ドライバの乗っ取りスタイルなどの要因について検討した。 研究によると、自動走行技術がワークゾーンの安全性に与える影響は複雑である。 ワークゾーンにおける自動走行車両の解体は、自動走行状態を維持することができる車両の割合を減少させる。 テイクオーバが時間的あるいは適切でない場合、それは容易に新しいトラフィック競合につながる可能性がある。 異なる要因がワークゾーンの安全性に様々な影響を及ぼす。 MPRの増加は単車衝突の発生を減少させるが、多車衝突の可能性を増大させる。 したがって、将来の研究・改善の方向性は、自動運転システムの解離検出と乗っ取り機構の最適化に焦点をあてるべきである。

関連論文リスト

• Cooperative Cruising: Reinforcement Learning-Based Time-Headway Control for Increased Traffic Efficiency [4.982603129041808]
  本稿では,高速道路の交通効率を人的交通と比較して初めて向上させる新しいAIシステムを提案する。 私たちのアプローチの核心は、自動車両にタイムヘッドを通信する強化学習ベースのコントローラです。
  論文  参考訳（メタデータ） (2024-12-03T16:13:42Z)
• A Computer Vision Approach for Autonomous Cars to Drive Safe at Construction Zone [0.0]
  自律運転システム(ADS)を搭載した車は、適応クルーズ制御、衝突警報、自動駐車など、様々な最先端機能を備えている。 本稿では,多様なドリフト条件下で構築ゾーンや機能で動作可能なコンピュータビジョン技術を利用した,革新的で高精度な道路障害物検出モデルを提案する。
  論文  参考訳（メタデータ） (2024-09-24T07:11:00Z)
• A Conflicts-free, Speed-lossless KAN-based Reinforcement Learning Decision System for Interactive Driving in Roundabouts [17.434924472015812]
  本稿では,ラウンドアバウンドにおける安全かつ効率的な運転行動を促進するための学習アルゴリズムを提案する。 提案アルゴリズムは、複雑なマルチサイクルラウンドアバウトにおける安全かつ効率的な運転戦略を学習するために、深層Q-ラーニングネットワークを用いる。 その結果,本システムは安定したトレーニングプロセスを維持しつつ,安全かつ効率的な運転を実現することができた。
  論文  参考訳（メタデータ） (2024-08-15T16:10:25Z)
• Work-in-Progress: Crash Course: Can (Under Attack) Autonomous Driving Beat Human Drivers? [60.51287814584477]
  本稿では,現在のAVの状況を調べることによって,自律運転における本質的なリスクを評価する。 AVの利点と、現実のシナリオにおける潜在的なセキュリティ課題との微妙なバランスを強調した、特定のクレームを開発する。
  論文  参考訳（メタデータ） (2024-05-14T09:42:21Z)
• RACER: Epistemic Risk-Sensitive RL Enables Fast Driving with Fewer Crashes [57.319845580050924]
  本稿では,リスク感応制御と適応行動空間のカリキュラムを組み合わせた強化学習フレームワークを提案する。 提案アルゴリズムは,現実世界のオフロード運転タスクに対して,高速なポリシーを学習可能であることを示す。
  論文  参考訳（メタデータ） (2024-05-07T23:32:36Z)
• Machine Learning-Based Vehicle Intention Trajectory Recognition and Prediction for Autonomous Driving [0.0]
  2016年3月、グーグルの自動運転車がバスと小さな衝突に巻き込まれた。 本稿では,自律走行車線変更行動の深層学習に基づく予測手法を提案する。 安全な車線変更を容易にし、道路の安全性を向上させることを目的としている。
  論文  参考訳（メタデータ） (2024-02-25T09:28:20Z)
• 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)
• Learning energy-efficient driving behaviors by imitating experts [75.12960180185105]
  本稿では,コミュニケーション・センシングにおける制御戦略と現実的限界のギャップを埋める上で,模倣学習が果たす役割について考察する。 擬似学習は、車両の5%に採用されれば、局地的な観測のみを用いて、交通条件の異なるネットワークのエネルギー効率を15%向上させる政策を導出できることを示す。
  論文  参考訳（メタデータ） (2022-06-28T17:08:31Z)
• Safety-aware Motion Prediction with Unseen Vehicles for Autonomous Driving [104.32241082170044]
  本研究では,無人運転用無人車を用いた新しい作業,安全を意識した動作予測手法について検討する。 既存の車両の軌道予測タスクとは異なり、占有率マップの予測が目的である。 私たちのアプローチは、ほとんどの場合、目に見えない車両の存在を予測できる最初の方法です。
  論文  参考訳（メタデータ） (2021-09-03T13:33:33Z)
• 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)
• Cooperative Highway Work Zone Merge Control based on Reinforcement Learning in A Connected and Automated Environment [6.402634424631123]
  本稿では,人工知能が実現した協調運転行動に基づく高速道路の作業ゾーン統合制御戦略を提案し,評価する。 提案手法は、全車両が完全に自動化され、接続され、協調していると仮定する。 その結果, この協調的RL型マージ制御は, 流動性と安全性の両面で, 後期マージや早期マージといった一般的な戦略を著しく上回っていることが明らかとなった。
  論文  参考訳（メタデータ） (2020-01-21T21:39:44Z)

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。