Associating Driving Behavior with Hysteretic Phenomena of Freeway Traffic Flow

Orfanou, Foteini; Vlahogianni, Eleni I.; Karlaftis, Matthew G.

doi:10.3182/20120912-3-bg-2031.00042

Cited by 6 publications

(3 citation statements)

References 8 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Orfanou et al studied driving style in trafc congestion and used neural networks to analyze trafc fow parameters. Te results showed that the parameters with the greatest infuence on driving style are distance and acceleration [9]. Yang et al constructed a realtime trafc crash risk prediction model considering the temporal efect diference and explored the relationship between dynamic trafc fow characteristics and real-time trafc crash risk under diferent temporal conditions [10].…”

Section: Introductionmentioning

confidence: 99%

Study on Driver Behavior Pattern in Merging Area under Naturalistic Driving Conditions

Li,

Zhang,

Wang

et al. 2024

Journal of Advanced Transportation

View full text Add to dashboard Cite

To reduce the risk of traffic conflicts in merging area, driver’s behavior pattern was analyzed to provide a theoretical basis for traffic control and conflict risk warning. The unmanned aerial vehicle (UAV) was used to collect the videos in two different types of merging zones: freeway interchange and service area. A vehicle tracking detection model based on YOLOv5 (the fifth version of You Only Look Once) and Deep SORT was constructed to extract traffic flow, speed, vehicle type, and driving trajectory. Acceleration/deceleration distribution and vehicle lane-changing behavior were analyzed. The influence of different vehicle models on vehicle speed and lane-changing behavior was summarized. Based on this data, the mean and standard deviation of velocity, acceleration, and variable acceleration were selected as the characteristic variables for driving style clustering. To avoid redundant information between features, principal component dimensionality reduction was performed, and the dimensionality reduction data was used for K-means and K-means++ clustering to obtain three driving styles. The results show that there are obvious differences in the driving behaviors of vehicles in different types of merging areas, and the characteristics of different areas should be fully considered when conducting traffic conflict warnings.

show abstract

Section: Introductionmentioning

confidence: 99%

Study on Driver Behavior Pattern in Merging Area under Naturalistic Driving Conditions

Li,

Zhang,

Wang

et al. 2024

Journal of Advanced Transportation

View full text Add to dashboard Cite

show abstract

“…Αυτά τα αποτελέσματα δείχνουν ότι αν και οι δύο παίκτες συνήθως επιζητούν το μακροπρόθεσμο όφελός τους, ενδέχεται να παρουσιάσουν εναλλαγές στην οδηγική συμπεριφορά τους. Σε αυτό το εύρημα έχει δοθεί έμφαση και σε άλλες ερευνητικές προσπάθειες που μελέτησαν μικροσκοπικά φαινόμενα (Laval, 2011;Orfanou et al, 2012;Papacharalampous and Vlahogianni, 2014).…”

Section: παίγνια για την προτυποποίηση της λήψης απόφασης κατά την προσπέρασηunclassified

Διερεύνηση Της Διαδικασίας Λήψης Αποφάσεων Οδηγών Κατά Την Προσπέραση Οχημάτων Από Μηχανοκίνητα Δίκυκλα

Barmpounakis¹,

Μπαρμπουνάκης²

View full text Add to dashboard Cite

Σκοπός της διατριβής είναι η διερεύνηση της διαδικασίας λήψης των αποφάσεων των οδηγών κατά την προσπέραση οχημάτων από μηχανοκίνητα δίκυκλα και η αλληλεπίδρασή τους με τα υπόλοιπα οχήματα σε αστική αρτηρία. Για τη δημιουργία μίας λεπτομερούς βάσης δεδομένων με τροχιές ΜΔ γίνεται η χρήση των Μη Επανδρωμένων Εναέριων Συστημάτων (ΜΕΣ – Unmanned Aerial System – UAS). Η βάση δεδομένων που δημιουργήθηκε, άνοιξε το δρόμο για τη χρήση ανεπτυγμένων μεθοδολογικών εργαλείων Μηχανικής Μάθησης (Machine Learning). Συγκεκριμένα, αναπτύχθηκαν Δέντρα Αποφάσεων (Decision Trees) και άλλοι μέτα-αλγόριθμοι, μία ειδική περίπτωση προτύπων Μηχανικής Μάθησης, με σκοπό την προτυποποίηση των μη συμβατικών σεναρίων προσπέρασης των ΜΔ. Τα ανεπτυγμένα πρότυπα δέντρων αποφάσεων δίνουν τη δυνατότητα να περιγραφεί η διαδικασία λήψης αποφάσεων του μοτοσυκλετιστή πριν τον ελιγμό της προσπέρασης και να αναδειχθούν οι σημαντικοί παράγοντες που λαμβάνονται υπόψη κατά τη διάρκεια του φαινομένου, όπως διαφορές ταχυτήτων, χωρικοί παράγοντες και η τοποθέτηση των οχημάτων. Στη συνέχεια, γίνεται διερεύνηση στην αλληλεπίδραση των ΜΔ και των υπόλοιπων οχημάτων σε τμήμα μιας αρτηρίας κάνοντας χρήση της Θεωρίας Παιγνίων (Game Theory). Τα αποτελέσματα δείχνουν ότι η συνεργασία μεταξύ των οδηγών μπορεί να επέλθει σε ένα ανταγωνιστικό περιβάλλον όπως είναι αυτό των αστικών οδών, ενώ οι συνεργατικές στρατηγικές οδηγούν σε αυξημένη μέση ταχύτητα, αυξημένες τιμές του καινοτόμου μεγέθους «Άνεση κατά την Προσπέραση» και αυξημένο ποσοστό επιτυχημένων προσπεράσεων. Η συνεισφορά των αποτελεσμάτων και των ευρημάτων που προέκυψαν από την προτυποποίηση της διαδικασίας λήψης των αποφάσεων των οδηγών και της αλληλεπίδρασης διαφορετικών τύπων οχημάτων είναι ιδιαίτερης σημασίας για το σχεδιασμό σύγχρονων έξυπνων συνεργατικών συστημάτων μεταφορών, ιδιαίτερα σε ένα περιβάλλον όπου οι τεχνολογίες V2V, τα αυτόνομα οχήματα (Autonomous Vehicles) και τα συνδεμένα οχήματα (Connected Vehicles) είναι στα φλέγοντα ζητήματα που απασχολούν τη διεθνή ερευνητική κοινότητα.

show abstract

“…). In-depth incident analyses can be augmented by algorithmic analyses of video recordings for trajectory extraction and clustering(Nikias et al, 2012;Orfanou et al, 2012;Barmpounakis et al, 2016a).Complementary or even as an alternative to in-vehicle recording, external venues offered by new technological advancements such as Unmanned Aerial Vehicles (UAVs, also known as drones) have been also investigated for real time traffic monitoring. Relevant research has concluded that the possibilities are enticing, with low cost cameras having been used to successfully extract kinematic characteristics.…”

mentioning

confidence: 99%

Spatial analysis of road safety and traffic behaviour using high resolution multi-parametric data

Ζιακόπουλος¹

View full text Add to dashboard Cite

Ο κύριος στόχος της παρούσας διδακτορικής διατριβής είναι η χωρική ανάλυση συχνοτήτων απότομων οδηγικών συμβάντων σε οδικά τμήματα με χρήση πολυπαραμετρικών δεδομένων, ήτοι (i) δεδομένα υψηλής ανάλυσης οδηγικής συμπεριφοράς υπό πραγματικές συνθήκες από αισθητήρες έξυπνων κινητών τηλεφώνων, (ii) γεωμετρία οδικών τμημάτων και χαρακτηριστικά οδικού δικτύου από ψηφιακούς χάρτες και (iii) δεδομένα κυκλοφορίας υψηλής ανάλυσης. Για αυτό το σκοπό, συλλέχθηκαν δεδομένα οδήγησης υπό πραγματικές συνθήκες μέσω μιας καινοτόμου εφαρμογής έξυπνων κινητών τηλεφώνων, δεδομένα από λεπτομερείς ψηφιακούς χάρτες καθώς και δεδομένα κυκλοφορίας. Τα δεδομένα υποβλήθηκαν σε επεξεργασία μέσω εξειδικευμένων χωρικών αλγορίθμων οι οποίοι εκέλεσαν κρίσιμες λειτουργίες όπως ο υπολογισμός πρόσθετων γεωμετρικών χαρακτηριστικών, η συγχώνευση βάσεων δεδομένων και η αντιστοίχιση οδηγικών και κυκλοφοριακών δεδομένων σε οδικά τμήματα. Προέκυψαν πλούσιες βάσεις χωρικών δεδομένων με βάση τις οποίες υπολογίστηκαν ολικοί και τοπικοί συντελεστές I του Moran και βαριογράμματα (variograms) συγχωνευμένα και ανά κατεύθυνση. Πραγματοποιήθηκαν χωρικές αναλύσεις ανά οδικό τμήμα σε δύο παράλληλους άξονες: (i) Ανάπτυξη μοντέλων πρόβλεψης απότομων συμβάντων σε περιοχή δοκιμής αστικού οδικού δικτύου, με σκοπό την μεταφορά τους σε περιοχή ελέγχου και την αξιολόγηση της προβλεπτικής τους ικανότητας και (ii) Ανάπτυξη μοντέλων εμβαθυμένης επεξήγησης απότομων συμβάντων, με συμπερίληψη της οδηγικής συμπεριφοράς και της κυκλοφορίας, τα οποία αναπτύχθηκαν σε περιοχή αστικής λεωφόρου ανά κατάσταση κυκλοφορίας. Σκοπός ήταν να διερευνηθούν επιπλέον υποκείμενες στατιστικές συσχετίσεις για την περαιτέρω κατανόηση των φαινομένων των απότομων επιταχύνσεων και επιβραδύνσεων. Συγκεκριμένα, αναπτύχθηκαν μοντέλα Γεωγραφικά Σταθμισμένης Παλινδρόμησης Poisson (Geographically Weighted Poisson Regression – GWPR), μοντέλα Μπευζιανής Υπό Όρους Αυτοπαλινδρόμησης (Bayesian Conditional Autoregressive Prior – CAR), καθώς και αλγόριθμοι Ραγδαίας Βελτιστοποίησης Συναρτήσεων Απωλειών με τυχαία επικύρωση (Random Cross-validation Extreme Gradient Boosting – RCV-XGBoost) και με χωρική επικύρωση (Spatial Cross-validation Extreme Gradient Boosting – SPCV-XGBoost). Από τις χωρικές αναλύσεις προέκυψαν πολυάριθμα ενδιαφέροντα αποτελέσματα: Εντοπίστηκε χωρική αυτοσυσχέτιση στις συχνότητες απότομων επιβραδύνσεων και απότομων επιταχύνσεων ανά οδικό τμήμα, και υπολογίστηκε το εύρος επιρροής κατά περίπτωση για κάθε περιοχή μελέτης. Στα αστικά δίκτυα, προέκυψε ότι ορισμένα γεωμετρικά χαρακτηριστικά επηρεάζουν τις συχνότητες απότομων επιβραδύνσεων ανά οδικό τμήμα: το μήκος του τμήματος παρουσιάζει θετική συσχέτιση, ενώ η κλίση και η πολυπλοκότητα της γειτονιάς παρουσιάζουν αρνητική συσχέτιση. Διαφορετικά γεωμετρικά χαρακτηριστικά επηρεάζουν τις συχνότητες απότομων επιταχύνσεων ανά οδικό τμήμα: το μήκος του οδικού τμήματος, η καμπυλότητα και η παρουσία σηματοδότησης παρουσιάζουν θετική συσχέτιση. Επίσης ποσοτικοποιήθηκε η θετική συσχέτιση του αριθμού διελεύσεων για τους δύο τύπους απότομων συμβάντων, ενώ πιο αδύναμες συσχετίσεις παρουσιάστηκαν για τον αριθμό λωρίδων και τον τύπο οδού, ανάλογα με τα χρησιμοποιούμενα μοντέλα. Επιπλέον, πραγματοποιήθηκαν επιτυχώς χωρικές προβλέψεις μεσοσταθμίζοντας τα αποτελέσματα των τεσσάρων μοντέλων και επιτυγχάνοντας ακρίβεια 87% για τις απότομες επιβραδύνσεις και 89% για τις απότομες επιταχύνσεις.Στα οδικά τμήματα αστικών λεωφόρων, το μήκος των τμημάτων και ο αριθμός των διελεύσεων παρουσίασαν σταθερά θετικές συσχετίσεις με τη συχνότητα απότομων συμβάντων. Επιπλέον, καθορίστηκε ότι διαφορετικές μεταβλητές συσχετίζονται σημαντικά με την εμφάνιση απότομων συμβάντων ανά κατάσταση κυκλοφορίας: Η διαφορά ταχύτητας μεταξύ κυκλοφορίας και οδηγού προέκυψε ότι ασκεί θετική επιρροή στις απότομες επιβραδύνσεις, σε συνθήκες ελεύθερης ροής, ενώ η επιρροή του μέσου όρου τρέχοντος κυκλοφοριακού φόρτου διαπιστώθηκε ότι είναι αρνητική. Σε συνθήκες συγχρονισμένης ροής, η μέση κατάληψη είναι θετικά συσχετισμένη με τις απότομες επιβραδύνσεις, ενώ η επίδραση του κυκλοφοριακού φόρτου βρέθηκε ότι ήταν περιστασιακά αρνητική. Η επιρροή της μέσης κατάληψης βρέθηκε σταθερά θετική στις απότομες επιταχύνσεις σε συνθήκες ελεύθερης ροής, όπως και ο μέσος όρος των δευτερολέπτων χρήσης κινητών τηλεφώνων από τους οδηγούς. Σε συνθήκες συγχρονισμένης ροής, ο κυκλοφοριακός φόρτος προέκυψε ότι συσχετίζεται θετικά τη συχνότητα απότομων επιταχύνσεων. Και στις δύο καταστάσεις κυκλοφορίας, οι γεωμετρικές μεταβλητές και τα χαρακτηριστικά του οδικού δικτύου βρέθηκε ότι έχουν πολύ περιστασιακές και ασθενέστερες συσχετίσεις.

show abstract

Associating Driving Behavior with Hysteretic Phenomena of Freeway Traffic Flow

Cited by 6 publications

References 8 publications

Study on Driver Behavior Pattern in Merging Area under Naturalistic Driving Conditions

Study on Driver Behavior Pattern in Merging Area under Naturalistic Driving Conditions

Διερεύνηση Της Διαδικασίας Λήψης Αποφάσεων Οδηγών Κατά Την Προσπέραση Οχημάτων Από Μηχανοκίνητα Δίκυκλα

Spatial analysis of road safety and traffic behaviour using high resolution multi-parametric data

Contact Info

Product

Resources

About