MétaCan
Menu
Retour à la cohorte
Enregistrement W2795859978 · doi:10.4271/2018-01-0521

Driver Response Time to Left-Turning Vehiclesat Traffic Signal Controlled Intersections

2018· article· en· W2795859978 sur OpenAlexafffundabout
Shady Attalla, Ryan Toxopeus, Sam Kodsi, Michele Oliver

Notice bibliographique

RevueSAE technical papers on CD-ROM/SAE technical paper series · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueTraffic control and management
Établissements canadiensUniversity of Guelph
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaOntario Centres of Excellence
Mots-clésTraffic signalComputer scienceSIGNAL (programming language)Real-time computing

Résumé

récupéré en direct d'OpenAlex

Left-turn crashes account for almost one quarter of all collisions. Although research has quantified the response time of drivers to left-turning vehicles with high acceleration profiles, research is lacking for driver responses to realistic left-turning vehicle acceleration. The purpose of this research was to determine the Driver Response Time (DRT) to a left-turning vehicle from the first lateral movement of the left-turning vehicle. The DRT was measured from first lateral movement of the left turning vehicle, until the through driver reacts, whether by touching the brake pedal, swerving, releasing/applying the accelerator, or a combination of these inputs. Ninety-eight (NFemale = 48; NMale = 50) licensed volunteer drivers took part in a study at the University of Guelph Driving Research in Virtual Environments (DRiVE) lab using an Oktal complete vehicle driving simulator. After a brief practice drive to acclimatize to the virtual environment, participants completed the eight kilometer drive experiment where two types of left hand turn hazards were presented to drivers in random order. In one scenario, the left-turning vehicle was stopped at the intersection before accelerating (LHTS), and in the other scenario the vehicle approached the intersection and turned at a constant speed (LHTNS). There were significant differences in DRT values between the LHTS and LHTNS scenarios with drivers taking longer to respond to the LHTS vehicle. This difference in DRT values corresponded with a higher collision rate in the LHTS scenario when compared to the LHTNS. However, collisions were common in both situations, with a mean time-to-impact of 3.66 seconds. Female DRT trended toward being slightly longer than males, but there were no differences in collision rates.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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.

Tête enseignante Opus0,006
Tête enseignante GPT0,211
Écart entre enseignants0,205 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations10
Publié2018
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueSAE technical papers on CD-ROM/SAE technical paper seriesMême sujetTraffic control and managementTravaux en français237 207