Vehicle Height Affects Drivers’ Speed Perception: Implications for Rollover Risk
Notice bibliographique
Résumé
The North American vehicle fleet has evolved in recent years to include an increasing percentage of pickups, sport utility vehicles (SUVs), and minivans. In 2002, sales of light trucks and vans accounted for almost half of all Canadian vehicle sales. The increased popularity of SUVs has been particularly striking, with a 143% increase in sales since 1993. Typically larger and heavier than automobiles, SUVs are built on frames that are more rigid and that ride higher, characteristics that not only provide increased physical protection to their occupants but also add to their overall appeal. SUVs, however, are involved in fatal rollover crashes at a much higher rate than cars. While this is undoubtedly due in part to their stiffer frames and higher centers of gravity, the manner in which SUVs are driven may also play a role. SUV drivers are often anecdotally reported to be overconfident, tending to overestimate their vehicle’s capabilities. Evidence suggests that because they sit higher, drivers of SUVs (and vans and pickups) are less able to judge speed accurately. A study was conducted to assess drivers’ chosen speed when they operated a simulated vehicle while viewing the road from a low eye height and a high eye height. Participants were instructed to drive, without reference to a speedometer, at a highway driving speed at which they felt comfortable and safe. As expected, drivers seated at a high eye height drove faster than when they were seated at a low eye height. The influence of driver eye height and lead vehicle size (large versus small) on the following distance from a slower-moving lead vehicle was also investigated. Regardless of eye height, the differences in following distances suggest that the size of the lead vehicle may affect how closely drivers choose to follow it.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».