Looking through the Perceptions of Blinds: Potential Impacts of Connected Autonomous Vehicles on Pedestrians with Visual Impairment
Notice bibliographique
Résumé
The paper investigates the impacts and barriers posed by connected autonomous vehicles (CAVs) for pedestrians with visual impairment. This study uses a customized web-based survey of visually impaired people from Canada and abroad. Collected data are used to estimate econometric models to identify the critical factors that affect the level of trust in CAVs and the preference for using CAVs from the visually impaired individuals’ perspective. Separate models are estimated for Canadian and non-Canadian samples, as Canadian and non-Canadian participants show some differences in perception and positive attitude towards CAVs. The models reveal that the majority of the respondents prefer to get feedback and alerts from CAVs. Congenitally blind Canadians are less likely to trust CAVs, but non-Canadian congenital blinds tend to trust CAVs. The models also indicate that the respondents who experienced being near an accident with an electric vehicle (EV) are less likely to choose CAVs. Respondents who rely on mobile applications and technology-based devices for navigating purposes tend to trust CAVs. Blind people who rely on conventional navigation tools (e.g., white cane, guide dog, etc.) are less likely to be the users of CAVs. Gender effect is visible, as the female participants tend not to trust CAVs. In relation to policy recommendations, subsidies should be provided to various advocacy groups to offer orientation and mobility (O&M) training services, which are pivotal to educate how to use technology-based navigational services. Also, automobile manufacturers should be enforced to add acoustic vehicle alert systems (AVAS) to both EVs and CAVs.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| 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 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».