Investigating Improper Lane Changes: Driver Performance Contributing to Lane Change Near-Crashes
Notice bibliographique
Résumé
We investigated the contributing factors that led to the lane change near-crashes recorded in the 100-Car Naturalistic Driving Study using a case-crossover experimental design. Drivers’ visual behavior and vehicle control were compared across a sample of lane change near-crashes and matched baselines. Baseline lane changes were sampled if they occurred prior to the near-crash, had a similar maneuver as the near-crash (including direction and speed), occurred within ± 2 hours from the time of day, occurred in similar light conditions, occurred on a similar day of the week (weekday vs. weekend), occurred on a road that had a similar number of lanes, had a similar placement of surrounding vehicles, and were made by the same driver. A total of 18 lane change near-crashes and 33 baseline lane changes were identified. Left lane change near-crashes appear to have resulted in part because drivers tended to slow down at the start of the maneuver and were less likely to use their rearview mirror. Right lane change near-crashes appeared to have occurred because of more aggressive maneuvering, infrequent turn signal use, and because drivers were less likely to look over their shoulder. Deficiencies in judging the distance and approach rate to adjacent vehicles, as well as circumstances in the environment, may also have played a contributing role.
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 | 0,001 | 0,000 |
| 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 | 0,001 | 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) | 0,000 | 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 ».