In the medium-term, the number of semi-autonomous vehicles is expected to rise significantly. These changes in vehicle capabilities make it necessary to analyze their interaction with road infrastructure, which has been developed for human-driven vehicles. Current systems use artificial vision, recording the oncoming road and using the center and edgeline road markings to automatically facilitate keeping the vehicle within the lane. In addition to alignment and road markings, lane width has emerged as one of the geometric parameters that might cause disengagement and therefore must be assessed. The objective of this research was to study the impact of lane width on semi-autonomous vehicle performance. The automatic lateral control of this type of vehicle was tested along 81 lanes of an urban arterial comprising diverse widths. Results showed that the semi-autonomous system tended to fail on narrow lanes. There was a maximum width below which human control was always required—referred to as the human lane width—measuring 2.5 m. A minimum width above which automatic control was always possible—the automatic lane width—was established to be 2.75 m. Finally, a lane width of 2.72 m was found to have the same probability of automatic and human lateral control, namely the critical lane width. Following a similar methodology, these parameters could be determined for other vehicles, enhancing the interaction between autonomous vehicles and road infrastructure and thus supporting rapid deployment of autonomous technology without compromising safety.

从中期来看，半自动驾驶汽车的数量有望显着增加。车辆功能的这些变化使得有必要分析其与道路基础设施的相互作用，而道路基础设施是为人为驾驶的车辆而开发的。当前的系统使用人工视觉，记录即将来临的道路，并使用中心和边缘线道路标记来自动促进将车辆保持在车道内。除路线和道路标记外，车道宽度已成为可能导致脱离接合的几何参数之一，因此必须对其进行评估。这项研究的目的是研究车道宽度对半自动驾驶汽车性能的影响。沿着包括不同宽度的城市干线的81条车道测试了这种车辆的自动侧向控制。结果表明，半自治系统倾向于在狭窄的车道上失效。有一个最大宽度，始终需要人为控制，该最大宽度为2.5 m，这被称为人车道宽度。可以自动控制的最小宽度（自动车道宽度）被确定为2.75 m。最后，发现2.72 m的车道宽度具有自动和人为横向控制的相同概率，即临界车道宽度。遵循类似的方法，可以为其他车辆确定这些参数，从而增强自动驾驶车辆与道路基础设施之间的交互作用，从而支持在不损害安全性的前提下快速部署自动驾驶技术。有一个最大宽度，始终需要人为控制，该最大宽度为2.5 m，这被称为人车道宽度。可以自动控制的最小宽度（自动车道宽度）被确定为2.75 m。最后，发现2.72 m的车道宽度具有自动和人为横向控制的相同概率，即临界车道宽度。遵循类似的方法，可以为其他车辆确定这些参数，从而增强自动驾驶车辆与道路基础设施之间的交互作用，从而支持在不损害安全性的前提下快速部署自动驾驶技术。有一个最大宽度，始终需要人为控制，该最大宽度为2.5 m，这被称为人车道宽度。可以自动控制的最小宽度（自动车道宽度）被确定为2.75 m。最后，发现2.72 m的车道宽度具有自动和人为横向控制的相同概率，即临界车道宽度。遵循类似的方法，可以为其他车辆确定这些参数，从而增强自动驾驶车辆与道路基础设施之间的交互作用，从而支持在不损害安全性的前提下快速部署自动驾驶技术。发现72 m具有自动和人为横向控制的相同概率，即临界车道宽度。遵循类似的方法，可以为其他车辆确定这些参数，从而增强自动驾驶车辆与道路基础设施之间的交互作用，从而支持在不损害安全性的前提下快速部署自动驾驶技术。发现72 m具有自动和人为横向控制的相同概率，即临界车道宽度。遵循类似的方法，可以为其他车辆确定这些参数，从而增强自动驾驶车辆与道路基础设施之间的交互作用，从而支持在不损害安全性的前提下快速部署自动驾驶技术。