Effect of Visual and Auditory Alerts on Older Drivers’ Glances toward Latent Hazards while Turning Left at Intersections
Notice bibliographique
Résumé
Older drivers are known to make significantly fewer glances toward hazards that are hidden from view (latent hazards) than middle-aged drivers. This is especially true when the driver is making a left turn at an intersection at that critical point in the turn immediately after the driver enters the intersection. This has led to the development of training programs that can increase the frequency of these glances toward latent hazards at intersections. However, training programs can require time and money that many older adults may not have. Advances in machine vision and vehicle-to-vehicle communications technologies make possible the use of alerts that warn older drivers of the location of latent hazards at intersections. This driving simulator study investigates the effect of auditory and visual warning alerts on older drivers’ primary (before entering the intersection) and secondary (just after entering the intersection) glance behavior when making a left turn at an intersection. In a between-subjects design, forty older drivers navigated eight unique scenarios containing latent hazards either in the presence or in the absence of combined auditory and visual hazard warning alerts. The results showed that older drivers anticipated a significantly greater proportion of latent hazards in the presence of warning alerts both before they enter the intersection and after they enter the intersection. The results of this study suggest that a combination of auditory and visual alerts may be effective at improving older drivers’ glance behavior while making left turns at intersections.
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 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».