Lane-changing (LC) behavior describes the lateral movement of the vehicle from the current-lane to the target-lane while proceeding forward. Among the many research directions, LC duration (LCD) measures the total time it takes for a vehicle to travel from the current lane to the target lane, which is an indispensable indicator to characterize the LC behavior. Although existing research has made some achievements, less attention has been paid to the research of heavy vehicles' LCD. Therefore, this paper aims to further explore the LCD between heavy vehicles and passenger cars. LC trajectories are extracted from the newly-released HighD dataset, which contains of 16.5 hours of measurement and over 11,000 vehicles. The survival function of LCD has been estimated, and the characteristic has been analyzed. Thereafter, the Accelerated Failure Time model is introduced to explore the influencing factors. Results demonstrate that the MST value of passenger cars and heavy vehicles is about 5.51s and 6.08s. The heavy vehicles would maintain a longer time-headway and distance-headway with preceding vehicle when performing LC. Nevertheless, these two factors do not significantly affect the LCD of heavy vehicles. Finally, the results and the modeling implications have been discussed. We hope this paper could contribute to our further understanding of the LC behaviors for heavy vehicles and passenger cars.


翻译:换道(LC)行为描述了车辆在前进过程中从当前车厢到目标车厢的横向移动。在许多研究方向中,LC长度(LCD)测量了车辆从当前车道到目标车道的总时间,这是显示LC行为的一个不可或缺的指标。虽然现有的研究取得了一些成就,但对重型车辆LCD的研究却不太重视。因此,本文件旨在进一步探索重型车辆和客车之间的LCD。LC轨迹是从新发布的高D数据集中提取的,该数据集包含16.5小时的测量和11 000多部车辆。LCD的生存功能已经进行了估计,并分析了其特征。随后,采用了加速失败时间模型来探索影响因素。结果显示,客车和重型车辆的MST价值约为5.51和6.08。重型车辆在使用LC时将保持更长的时头和偏头路。然而,这两个因素并没有大大影响我们对重载车辆的希望。最后,我们讨论的LC型汽车的希望。

0
下载
关闭预览

相关内容

【KDD2021】图神经网络,NUS- Xavier Bresson教授
专知会员服务
62+阅读 · 2021年8月20日
专知会员服务
17+阅读 · 2021年4月24日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
灾难性遗忘问题新视角:迁移-干扰平衡
CreateAMind
17+阅读 · 2019年7月6日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
【泡泡一分钟】ProbFlow:联合光流和不确定性估计
泡泡机器人SLAM
3+阅读 · 2018年10月26日
已删除
将门创投
7+阅读 · 2018年10月12日
【推荐】用Python/OpenCV实现增强现实
机器学习研究会
14+阅读 · 2017年11月16日
【推荐】树莓派/OpenCV/dlib人脸定位/瞌睡检测
机器学习研究会
9+阅读 · 2017年10月24日
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
Text analysis and deep learning: A network approach
Arxiv
1+阅读 · 2021年10月8日
Arxiv
3+阅读 · 2018年4月9日
VIP会员
相关VIP内容
【KDD2021】图神经网络,NUS- Xavier Bresson教授
专知会员服务
62+阅读 · 2021年8月20日
专知会员服务
17+阅读 · 2021年4月24日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
相关资讯
灾难性遗忘问题新视角:迁移-干扰平衡
CreateAMind
17+阅读 · 2019年7月6日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
【泡泡一分钟】ProbFlow:联合光流和不确定性估计
泡泡机器人SLAM
3+阅读 · 2018年10月26日
已删除
将门创投
7+阅读 · 2018年10月12日
【推荐】用Python/OpenCV实现增强现实
机器学习研究会
14+阅读 · 2017年11月16日
【推荐】树莓派/OpenCV/dlib人脸定位/瞌睡检测
机器学习研究会
9+阅读 · 2017年10月24日
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
Top
微信扫码咨询专知VIP会员