La investigación y el desarrollo de la tecnología de los vehículos autónomos (AV) han ido ganando terreno en todo el mundo. Sin embargo, pocos estudios han explorado en profundidad los factores que contribuyen a las colisiones con vehículos autónomos. El objetivo de este estudio es predecir la gravedad de las colisiones con vehículos autónomos y analizar los efectos de los distintos factores en la gravedad de las colisiones. Los datos de accidentes se obtuvieron de los informes de accidentes relacionados con AV presentados al Departamento de Vehículos Motorizados de California en 2019 e incluyeron 75 casos de accidentes sin lesiones y 18 casos de accidentes con lesiones. Los datos de puntos de interés (POI) se recopilaron de la interfaz de programación de aplicaciones (API) de Google Map. Se aplicó un análisis estadístico descriptivo para examinar las características de los choques que involucran AV en términos de tipo de colisión, gravedad del choque, movimiento del vehículo que precede a la colisión y grado de daño del vehículo. Para comparar el rendimiento de clasificación de diferentes clasificadores, utilizamos dos modelos de clasificación diferentes: eXtreme Gradient Boosting (XGBoost) y Classification and Regression Tree (CART). Los resultados muestran que el modelo XGBoost es más eficaz a la hora de identificar los accidentes con heridos en los que están implicados vehículos sin conductor. En comparación con el modelo XGBoost original, la recuperación y la media G del modelo XGBoost que combina datos de PDI mejoran en un 100
y un 11,1%, respectivamente. Las principales características que contribuyen a la gravedad de las colisiones son las condiciones meteorológicas, el grado de daño del vehículo, el lugar del accidente y el tipo de colisión. Los resultados indican que la gravedad de la colisión aumenta significativamente si los AV colisionan en una intersección en condiciones meteorológicas extremas (por ejemplo, niebla y nieve). Además, la probabilidad de que se produjera un accidente con heridos también era mayor en las zonas en las que los patrones de uso del suelo son muy diversos. Los conocimientos adquiridos en esta investigación podrían contribuir en última instancia a evaluar y mejorar las prestaciones de seguridad de los AV actuales.
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Video:
Reglamentación de mercancías peligrosas de IATA detalle y contenido
Artículo:
Machine Learning Approach to Quantity Management for Long-Term Sustainable Development of Dockless Public Bike: El caso de Shenzhen (China)
Artículo:
Efecto de los vehículos autónomos compartidos en los vehículos-kilómetro recorridos y en la duración media de los viajes
Artículo:
Un modelo de toma de decisiones para vehículos autónomos en intersecciones urbanas basado en la resolución de conflictos
Artículo:
Un modelo ampliado de seguimiento de automóviles en un entorno de vehículos conectados y autónomos: Perspectiva desde la cooperación entre conductores
Informe, reporte:
Diagnóstico sobre la logística del comercio internacional y su incidencia en la competitividad de las exportaciones de los países miembros
Infografía:
Sistemas de calidad. Six Sigma
Manual:
Química de los taninos
Artículo:
Influencia del COVID-19 en las dinámicas de exportación, producción y consumo de carne vacuna en Colombia y el mundo: Una revisión monográfica.