Using Simulation to Better Understand the Effects of Aging on Driver Visibility
Notice bibliographique
Résumé
RÉSUMÉ Cette étude de preuve de concept pilote a exploré une méthodologie utilisant la simulation virtuelle pour quantifier les angles non visibles des visibilités optiques, et en utilisant des avatars tirés d’une ancienne base de données ( n = 100). Les logiciels Siemens Jack ont simulé les angles morts de huit avatars des conducteurs âgés (quatre femmes). Les avatars masculins et féminins ont été mis à l’échelle aux petites tailles (25 e centile) et aux grandes tailles (75 e centile), basé sur la distribution de la hauteur de la base de données des conducteurs âgés, et ils avaient l’amplitude de mouvement du cou “normal” (65 degrés) ou “anormal” 50 degrés (ROM). Un modèle virtuel d’une Volkswagen Beetle a été utilisé pour illustrer les angles morts lignes de visée à gauche et à droit pour chaque avatar. La moyenne ligne de visée entre les angles morts était de 22,3 pourcent et 10,4 pourcent dans les conditions «normales» et «anormales» de rotation du cou (ROM), respectivement. Les conducteurs âgés ayant des troubles fonctionnels affectant le cou (ROM) sont plus susceptibles d’avoir des problèmes avec l’angle mort / ligne de visée gauche. Les résultats sont discutés comme ils se rapportent à des considerations du dessein des véhicules pour les personnes agées.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».