Assessing the Effect of Pedestrians’ Use of Cell Phones on Their Walking Behavior: A Study Based on Automated Video Analysis
Notice bibliographique
Résumé
The objective of the study is to assess the effect of the use of cell phones while walking at urban crosswalks. The methodology uses recent findings in health science concerning the relationship between tempo-spatial characteristics of gait and the cognitive abilities of pedestrians. Gait measures are shown to be affected by the complexity of the task (e.g., talking and texting) performed during walking. This study focuses on the effect of distraction states, distraction types (visual such as texting/reading and auditory such as talking/listening), and pedestrian-vehicle interactions on the gait parameters of pedestrians at crosswalks. Experiments are performed on a video data set near a college campus in the city of Kamloops, British Columbia. The analysis relies on automated video-based data collection using a computer vision technique. The benefits of such an automated system include the ability to capture the natural movement of pedestrians and minimizing the risk of disturbing their behavior. Results show that pedestrians distracted by texting/reading (visually) or talking/listening (auditory) while walking tend to reduce and control their walking speed by adjusting their step length or step frequency, respectively. Pedestrians distracted by texting/reading (visually) have significantly lower step length and are less stable in walking. Distracted pedestrians involved in interactions with approaching vehicles tend to reduce and control their walking speeds by adjusting their step frequencies. This research can find applications in pedestrian facility design, modeling and calibrating pedestrian simulations, and pedestrian safety intervention programs and legislative actions.
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 | 0,006 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| 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 ».