Drowsy Drivers: Effect of Light and Circadian Rhythm on Crash Occurrence
Notice bibliographique
Résumé
Fatigue is recognized as a pervasive problem for drivers, with effects judged comparable to those of alcohol. Unlike alcohol, which has a clear legal limit for impairment, there is no functional, objective measure of fatigue to identify drowsy drivers, although it is associated with Circadian rhythm. Severe single vehicle crashes, from the crash reports maintained in Ontario for 1999-2004 were analyzed. Crashes occurring when light varies but Circadian rhythms are low (2-5 am and 2-4 pm) were compared with crashes occurring when light conditions are similar but Circadian rhythm are higher (9-11 pm and 10 am - 12 noon). Logistic regression was used to see how light and other factors would predict single vehicle crashes occurring at times of low Circadian rhythm, when fatigue is more likely. Initial results indicated many circumstances associated with occurrence at these times: the age and sex of the driver and reported driver condition as well as weather. Some of these effects may be partly explained by exposure; e.g., young men may be more likely to drive in the early morning than women or older drivers. There is, however, an interaction between light and presumed alertness. In separate analyses for daytime and night time crashes most variables were significant for nighttime crashes but not for daytime events. The effects of alcohol and youth remained. Light, or its lack, may exacerbate the effects of other factors; this can be further investigated in controlled environments such as sleep laboratories and/or driving simulators.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 tête enseignante, 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 ».