Traffic Gap Detection for Pedestrians with Low Vision
Notice bibliographique
Résumé
PURPOSE: Pedestrians with low vision have identified crossing the street as a difficult task. With the increasing complexity of the crossing environment (actuated signals and roundabouts), the challenges are increasing. The purpose of this study was to evaluate the effect of two types of vision loss (central or peripheral) on the ability to detect gaps in traffic. METHODS: Forty-one subjects participated with 14 being fully sighted (FS), 10 having central vision loss from age-related macular degeneration (AMD), and 17 having peripheral vision loss from either retinitis pigmentosa or glaucoma. Standing at entry and exit lanes of a roundabout, subjects depressed a handheld trigger to indicate when there was a sufficient gap in traffic to cross the street. A total of twelve 2-min intervals were completed including four of those intervals with occluded hearing. RESULTS: No difference was found in the ability of the three subject groups to identify crossable or short gaps. There were significant differences in latency and safety margin. The AMD subjects did not perform as well as the FS or the subjects with retinitis pigmentosa/glaucoma. When hearing was occluded, the two vision loss groups did not show a change in sensitivity but the FS group did, being more sensitive when hearing was occluded. CONCLUSIONS: The purpose of this study was to evaluate the effect of low vision on the ability to detect crossable gaps in traffic. The findings suggest that subjects with AMD have an increased risk because they show significant latency in their identification of gaps and this in turn results in a reduction of safety margin.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».